کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش دوره جامع مهندسی داده AWS - سطح Associate (DEA-C01) - آخرین آپدیت

دانلود AWS Certified Data Engineer – Associate (DEA-C01)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره آموزشی AWS Certified Data Engineer Associate به شما می‌آموزد چگونه خط لوله‌های داده (Data Pipelines) مقیاس‌پذیر و امن را در AWS طراحی، ایجاد و مدیریت کنید. در این دوره بر ابزارهای قدرتمندی مانند S3، Glue، Redshift و Lambda مسلط شده و مهارت‌های ابری مورد نیاز شرکت‌ها برای بهینه‌سازی جریان‌های کاری داده، تضمین امنیت و دستیابی به استانداردهای انطباق را توسعه خواهید داد. این دوره هم برای آمادگی در آزمون DEA-C01 و هم به عنوان یک منبع آموزشی برای متخصصان داده‌ای که قصد تأیید مهارت‌های مهندسی داده خود را دارند، ایده‌آل است.
این آموزش سطح Associate به عنوان یک دوره بنیادی در AWS در نظر گرفته شده است، به این معنی که برای متخصصان IT طراحی شده است. این دوره برای متخصصان جدید IT با حداقل یک سال تجربه در فناوری‌های رایانش ابری و همچنین متخصصان باتجربه که به دنبال اعتبارسنجی مهارت‌های AWS خود هستند، بسیار ارزشمند است.
**مرور کلی**: در حوزه در حال تکامل مهندسی داده، تسلط بر سرویس‌های AWS برای متخصصان IT که هدفشان ارتقای مهارت‌ها و آمادگی برای آزمون AWS Certified Data Engineer Associate است، حیاتی است. این دوره به ادغام سرویس‌های AWS در جریان‌های کاری مهندسی داده، با تمرکز بر راهکارهای ذخیره‌سازی، پردازش داده‌های حجیم (Big Data) و تحلیل‌ها می‌پردازد. این دوره برای هر دو گروه کاربران باسابقه AWS و مهندسان داده‌ای که تازه با AWS آشنا شده‌اند طراحی شده و بر کاربردهای عملی و تجربه دست‌اول تأکید دارد. فناوری‌های کلیدی شامل AWS Identity and Access Management (IAM)، Virtual Private Cloud (VPC)، Amazon RDS، AWS Glue، Amazon Athena و Amazon Redshift است که برای مدیریت امن و کارآمد داده‌ها ضروری هستند. **مفاهیم فنی پوشش داده شده**: ۱. راه‌اندازی حساب AWS و امنیت ۲. مدل مسئولیت مشترک AWS ۳. نقش‌ها و سیاست‌های IAM ۴. Amazon RDS و موتورهای پایگاه داده آن ۵. معماری AWS Glue ۶. معماری بدون سرور (Serverless) با Amazon Athena ۷. استریم داده‌های بلادرنگ با Amazon Kinesis ۸. معماری رویداد-محور با Amazon EventBridge ۹. زیرساخت به عنوان کد (IaC) با استفاده از AWS CloudFormation ۱۰. سرویس‌های یادگیری ماشین AWS مانند SageMaker. **مهارت‌های عملی نمایش داده شده**: ۱. ایجاد و ایمن‌سازی حساب AWS با MFA ۲. پیکربندی نقش‌ها و سیاست‌های IAM ۳. راه‌اندازی نمونه‌های Amazon RDS ۴. پیاده‌سازی فرآیندهای ETL با AWS Glue ۵. کوئری گرفتن از مجموعه‌داده‌های بزرگ با Amazon Athena ۶. پیکربندی Kinesis Data Streams برای ورود داده‌های بلادرنگ. **ارتباط با گواهینامه**: این دوره مستقیماً با آزمون‌های گواهینامه AWS، به‌ویژه AWS Certified Data Engineer Associate، AWS Certified Solutions Architect و آزمون‌های AWS Certified Data Analytics همسو است و اهداف کلیدی مربوط به حفاظت از داده‌ها، راهکارهای ذخیره‌سازی و استراتژی‌های پردازش داده را پوشش می‌دهد. **دستاوردهای کلیدی**: فراگیران درک جامع از بهترین روش‌های امنیت حساب AWS، توانایی پیکربندی و مدیریت سرویس‌های ذخیره‌سازی و پایگاه داده AWS و بینشی در مورد بهره‌برداری از معماری بدون سرور AWS برای پردازش کارآمد داده‌ها به دست خواهند آورد. آن‌ها همچنین استراتژی‌های موثر برای مواجهه با آزمون‌های گواهینامه AWS را خواهند آموخت. **گام‌های بعدی**: برای ارتقای بیشتر مهارت‌های AWS، بررسی سرویس‌های پیشرفته مانند AWS Lambda و Amazon DynamoDB توصیه می‌شود. در تمرینات عملی مانند راه‌اندازی خط لوله‌های داده با AWS Glue یا آزمایش سرویس‌های تحلیلی مانند Amazon Redshift شرکت کنید.
سرفصل ها و درس ها

شروع به کار Getting Started

  • معرفی مهارت Skill Introduction

  • درباره این گواهینامه About this Certification

  • انتظارات از دوره Course Expectations

  • راهنمای عملی: ایجاد حساب AWS Walkthrough: Creating our AWS Account

  • راهنمای عملی: اعمال بهترین روش‌های امنیتی حساب Walkthrough: Applying Account Best Practices

  • ارزیابی: شروع به کار Validation: Getting Started

آماده‌سازی داده‌ها Preparing for Our Data

  • معرفی مهارت Skill Introduction

  • مدل مسئولیت مشترک Shared Responsibility Model

  • شبکه‌های VPC و امنیت شبکه VPCs and Network Security

  • مدیریت هویت و دسترسی (IAM) Identity and Access Management

  • نقش‌ها و سیاست‌های IAM IAM Roles and Policies

  • ساختار سیاست‌های IAM IAM Policy Structure

  • ارزیابی: آماده‌سازی داده‌ها Validation: Preparing for Our Data

گزینه‌های ذخیره‌سازی فایل و شیء File and Object Storage Options

  • معرفی مهارت Skill Introduction

  • چرا ذخیره‌سازی در ابر؟ Why Storage in the Cloud

  • ذخیره‌سازی شیء (Object Storage) Object Storage

  • ذخیره‌سازی شبکه‌ای Network Storage

  • ذخیره‌سازی آرشیوی Archival Storage

  • ذخیره‌سازی بلوکی (Block Storage) Block Storage

  • سایر گزینه‌های ذخیره‌سازی Even More Storage Options

  • راهنمای عملی: بازیابی و ذخیره داده‌های پروژه Walkthrough: Retrieving and Storing Some Project Data

  • ارزیابی: گزینه‌های ذخیره‌سازی فایل و شیء Validation: File and Object Storage Options

گزینه‌های پایگاه داده در AWS Database Options on AWS

  • معرفی مهارت Skill Introduction

  • سرویس Amazon RDS Amazon RDS

  • سرویس Amazon Aurora Amazon Aurora

  • سرویس Amazon DynamoDB Amazon DynamoDB

  • سرویس Amazon ElastiCache Amazon ElastiCache

  • گزینه‌های تخصصی‌تر پایگاه داده More Specialized Database Options

  • راهنمای عملی: ایجاد RDS و مدیریت Failover Walkthrough: RDS Creation and Failover

  • ارزیابی: گزینه‌های پایگاه داده در AWS Validation: Database Options on AWS

شروع کار با AWS Glue Getting Started with AWS Glue

  • معرفی مهارت Skill Introduction

  • آشنایی با AWS Glue Meet AWS Glue

  • راه‌اندازی نقش‌های امنیتی Setting up Security Roles

  • اولین Job در فرآیند ETL Our First ETL Job

  • اولین تبدیل‌های داده (Transformations) First Transformations

  • استفاده از Notebookها Using Notebooks

  • حل مشکلات با استفاده از Notebookها Notebooks to the Rescue

  • ارزیابی: شروع کار با AWS Glue Validation: Getting Started with AWS Glue

ویژگی‌های پیشرفته AWS Glue Advanced Features with AWS Glue

  • معرفی مهارت Skill Introduction

  • خزنده داده‌های AWS Glue (Data Crawler) AWS Glue Data Crawler

  • اولین نگاه به AWS Glue DataBrew AWS Glue DataBrew First Look

  • پاک‌سازی داده‌ها با DataBrew Data Cleansing with DataBrew

  • رویکرد شکل‌دهی به داده‌ها Data Shaping Approach

  • شکل‌دهی داده‌ها با DataBrew Data Shaping with DataBrew

  • ارزیابی: ویژگی‌های پیشرفته AWS Glue Validation: Advanced Features with AWS Glue

سرویس Amazon Athena Amazon Athena

  • معرفی مهارت Skill Introduction

  • مقدمه‌ای بر Amazon Athena Introduction to Amazon Athena

  • اولین کوئری در Athena Our First Athena Query

  • کوئری‌های پیشرفته‌تر در Athena More Advanced Athena Queries

  • پارتیشن‌های Athena Athena Partitions

  • پروژکشن‌های پارتیشن (Partition Projections) Partition Projections

  • مقیاس‌پذیری در Athena Athena at Scale

  • ارزیابی: Amazon Athena Validation: Amazon Athena

سرویس Amazon Redshift Amazon Redshift

  • معرفی مهارت Skill Introduction

  • آشنایی با Redshift Meet Redshift

  • ایجاد نمونه (Instance) Redshift Creating our Redshift Instance

  • کوئری گرفتن با Redshift Querying with Redshift

  • ویژگی‌های رسم نمودار Charting Features

  • کار با Notebookها Working with Notebooks

  • کوئری‌های زمان‌بندی شده Scheduled Queries

  • پاک‌سازی منابع (Teardown) Teardown

  • ارزیابی: Amazon Redshift Validation: Amazon Redshift

سرویس Amazon EMR Amazon EMR

  • معرفی مهارت Skill Introduction

  • آشنایی با Elastic MapReduce (EMR) Meet Elastic MapReduce

  • راه‌اندازی اولین کلاستر Setting Up Our First Cluster

  • ایجاد یک Batch Step Creating a Batch Step

  • سرویس EMR Serverless EMR Serverless

  • ارزیابی: Amazon EMR Validation: Amazon EMR

سرویس‌های Amazon Kinesis و Amazon MSK Amazon Kinesis and Amazon MSK

  • معرفی مهارت Skill Introduction

  • معرفی Amazon Kinesis و MSK Introducing Amazon Kinesis and MSK

  • راه‌اندازی Amazon Kinesis Setting up Amazon Kinesis

  • استریم داده‌ها به Kinesis Streaming Data to Kinesis

  • سرویس Amazon Data Firehose Amazon Data Firehose

  • پاک‌سازی منابع Kinesis Kinesis Teardown

  • سرویس Amazon MSK Amazon MSK

  • ارزیابی: Amazon Kinesis و Amazon MSK Validation: Amazon Kinesis and Amazon MSK

سرویس Amazon EventBridge Amazon EventBridge

  • معرفی مهارت Skill Introduction

  • آشنایی با Amazon EventBridge Meet Amazon EventBridge

  • شروع کار با EventBridge Getting Started with EventBridge

  • آماده‌سازی DynamoDB Preparing DynamoDB

  • تابع هدف Lambda Target Lambda Function

  • پیکربندی EventBridge Configuring EventBridge

  • تابع Lambda برای غنی‌سازی داده‌ها Enrichment Lambda Function

  • پاک‌سازی منابع Teardown

  • ارزیابی: Amazon EventBridge Validation: Amazon EventBridge

سرویس‌های Amazon SNS و Amazon SQS Amazon SNS and Amazon SQS

  • معرفی مهارت Skill Introduction

  • سرویس‌های Amazon SNS و Amazon SQS Amazon SNS and Amazon SQS

  • طراحی معماری ما Our Architectural Design

  • آماده‌سازی محیط تست Preparing our Testbed

  • اولین Topic در SNS Our First SNS Topic

  • اتصال S3 به SNS Connecting S3 to SNS

  • افزودن یک صف (Queue) Adding in a Queue

  • استفاده از DynamoDB و تابع Lambda DynamoDB and Lambda Function

  • تست در مقیاس کامل Full-Scale Testing

  • پاک‌سازی منابع Teardown

  • ارزیابی: Amazon SNS و Amazon SQS Validation: Amazon SNS and Amazon SQS

سرویس‌های AWS Step Functions و Amazon MWAA AWS Step Functions and Amazon MWAA

  • معرفی مهارت Skill Introduction

  • آشنایی با ابزارهای مدیریت جریان کاری (Workflow) Meet the Workflow Gang

  • سرویس Amazon AppFlow Amazon AppFlow

  • مدیریت جریان‌های کاری AWS برای Apache Airflow (MWAA) Amazon Managed Workflows for Apache Airflow

  • پروژه Step Function ما Our Step Function Project

  • ایجاد Step Function Creating our Step Function

  • فراخوانی سرویس Polly Calling Polly

  • بررسی وضعیت تسک‌ها Checking the Task Status

  • اعلان‌های SNS SNS Notifications

  • اجرای کلی و نهایی All Together Now

  • پاک‌سازی منابع Teardown

  • ارزیابی: Amazon Step Functions و MWAA Validation: Amazon Step Functions and MWAA

سرویس Amazon API Gateway Amazon API Gateway

  • معرفی مهارت Skill Introduction

  • آشنایی با API Gateway Meet the API Gateway

  • طراحی تمرین ما Our Exercise Design

  • ایجاد اولین API Gateway Creating our First API Gateway

  • پیکربندی به عنوان پروکسی Configuring as a Proxy

  • ایجاد تابع Lambda Creating our Lambda Function

  • اتصال Lambda به API Gateway Connecting Lambda to the API Gateway

  • پاک‌سازی منابع Teardown

  • ارزیابی: Amazon API Gateway Validation: Amazon API Gateway

سرویس‌های AWS CloudFormation و AWS SAM AWS CloudFormation and AWS SAM

  • معرفی مهارت Skill Introduction

  • ابزارهای توسعه‌دهنده در AWS Developer Tools on AWS

  • زیرساخت به عنوان کد و AWS CloudFormation Infrastructure as Code and AWS CloudFormation

  • اولین فایل CloudFormation Our First CloudFormation

  • آشنایی با SAM Meet SAM

  • راه‌اندازی اپلیکیشن SAM Initializing our SAM Application

  • ساخت اپلیکیشن SAM Building our SAM Application

  • استقرار (Deploy) اپلیکیشن SAM Deploying our SAM Application

  • اجرای اپلیکیشن SAM Running our SAM Application

  • ارزیابی: AWS CloudFormation و AWS SAM Validation: AWS CloudFormation and AWS SAM

ابزارهای یادگیری ماشین AWS برای مهندسان داده AWS Machine Learning Tools for Data Engineers

  • معرفی مهارت Skill Introduction

  • تفاوت بین یادگیری ماشین (ML) و هوش مصنوعی (AI) Distinction Between ML and AI

  • چشم‌انداز AI در AWS AWS AI Landscape

  • سرویس‌های ML برای مهندسی داده ML Service for Data Engineering

  • سرویس SageMaker Canvas SageMaker Canvas

  • سرویس Data Wrangler Data Wrangler

  • آماده‌سازی داده‌ها برای مدل ML ML Model Data Preparation

  • توسعه مدل Model Development

  • پیش‌بینی‌های مدل Model Predictions

  • پاک‌سازی منابع Teardown

  • ارزیابی: ابزارهای یادگیری ماشین AWS برای مهندسان داده Validation: AWS Machine Learning Tools for Data Engineers

سرویس‌های Amazon OpenSearch و AWS Lake Formation Amazon OpenSearch and AWS Lake Formation

  • معرفی مهارت Skill Introduction

  • سرویس AWS Lake Formation AWS Lake Formation

  • داستان Amazon OpenSearch The Amazon OpenSearch Saga

  • ایجاد کلاستر OpenSearch Creating an OpenSearch Cluster

  • گشت و گذار در OpenSearch Touring OpenSearch

  • وارد کردن داده‌ها به OpenSearch Importing Data into OpenSearch

  • تحلیل‌ها در OpenSearch Analytics within OpenSearch

  • پاک‌سازی منابع Teardown

  • ارزیابی: Amazon OpenSearch و AWS Lake Formation Validation: Amazon OpenSearch and AWS Lake Formation

تجسم داده‌ها در AWS Data Visualization on AWS

  • معرفی مهارت Skill Introduction

  • گزینه‌های تجسم داده در AWS AWS Visualization Options

  • داشبوردهای CloudWatch و Cost Explorer CloudWatch Dashboards and Cost Explorer

  • ایجاد نمونه QuickSight Creating our QuickSight Instance

  • راه‌اندازی مجموعه‌داده QuickSight Setting up a QuickSight Dataset

  • تحلیل‌ها با QuickSight QuickSight Analytics

  • پاک‌سازی منابع Teardown

  • ارزیابی: تجسم داده‌ها در AWS Validation: Data Visualization on AWS

نمایش نظرات

آموزش دوره جامع مهندسی داده AWS - سطح Associate (DEA-C01)
جزییات دوره
18h
156
CBTNuggets CBTNuggets
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد

https://donyad.com/d/b1a330

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Scott Pletcher Scott Pletcher

"به عنوان پدر یک کودک عصبی، من از نزدیک دیدم که چگونه همه ما به روش های مختلف و گاهی غیرمنتظره یاد می گیریم. محتوای آموزشی که با یک نفر کلیک می کند ممکن است کامل باشد سردرگمی برای دیگری با آموزش آنلاین، می‌توانیم به دنبال سبک‌ها و شخصیت‌هایی باشیم که برای ما به‌عنوان فردی کار می‌کنند. وقتی محتوایی پیدا می‌کنید که واقعاً با شما ارتباط برقرار می‌کند، همه چیز را تغییر می‌دهد.» اسکات در اوایل نوجوانی خود با IT شروع کرد، زمانی که والدینش برای او یک TRS-80 Color Computer 2 از Radio Shack خریدند. از آن زمان، او است سی سال را در مدیریت IT شرکت و نقش های رهبری گذراند، گواهینامه های متعدد AWS و PMI را به دست آورد و محتوای آموزشی برای A Cloud Guru ایجاد کرد.

زمانی که اسکات از معماری های ابری استفاده نمی کند یا به دیگران نحوه استفاده از خدمات AWS را آموزش نمی دهد، از گوش دادن به موسیقی متال دهه 80 لذت می برد و در عین حال انبوهی از سطل های چوبی را به چیزی تبدیل می کند که باعث افتخار نورم آبرامز می شود.

ارتباط با اسکات:

AWS

AWS Cloud & DevOps