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

آموزش تخصص تجزیه و تحلیل داده گواهی شده AWS (2023) عملی [ویدئو]

AWS Certified Data Analytics Specialty (2023) Hands-on [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره آموزشی، جریان داده های عظیم را با AWS Kinesis یاد خواهید گرفت. صف بندی پیام ها با سرویس صف ساده (SQS)؛ جدال اطلاعات انفجار از اینترنت اشیا (IOT)؛ انتقال از داده های کوچک به بزرگ با سرویس مهاجرت پایگاه داده AWS (DMS). ذخیره دریاچه های عظیم داده با سرویس ذخیره سازی ساده (S3). بهینه سازی پرس و جوهای تراکنش با DynamoDB. پیوند دادن سیستم های کلان داده خود با AWS Lambda؛ ایجاد پرس و جو داده های بدون ساختار با AWS Glue، Glue ETL، Glue DataBrew، Glue Studio و Lake Formation. پردازش داده ها در مقیاس نامحدود با Elastic MapReduce. استفاده از شبکه های عصبی در مقیاس عظیم با یادگیری عمیق، MXNet و TensorFlow. استفاده از الگوریتم های پیشرفته یادگیری ماشین در مقیاس با Amazon SageMaker. تجزیه و تحلیل جریان داده ها در زمان واقعی با Kinesis Analytics. جستجو و تجزیه و تحلیل داده ها در مقیاس پتابایت با سرویس جستجوی باز آمازون (Elasticsearch سابق)؛ پرس و جو دریاچه های داده S3 با آمازون آتنا. میزبانی انبارهای داده در مقیاس عظیم با Redshift و Redshift Spectrum. ادغام داده های کوچکتر با داده های بزرگ با استفاده از سرویس پایگاه داده رابطه ای (RDS) و شفق قطبی. تجسم داده های خود به صورت تعاملی با QuickSight. و در نهایت، امن نگه داشتن اطلاعات خود با رمزگذاری، KMS، HSM، IAM، Cognito، STS و موارد دیگر. در پایان این دوره، شما در مفاهیم ضروری و حوزه های اصلی لازم برای قبولی در آزمون AWS DAS-C01 به خوبی آشنا خواهید شد. داده های بزرگ را با S3 و DynamoDB به شیوه ای مقیاس پذیر و ایمن ذخیره کنید با Amazon Kinesis جریان های داده عظیم را جابه جا و تغییر دهید از اکوسیستم Hadoop با AWS با استفاده از Elastic MapReduce استفاده کنید روش های مختلف برای تجزیه و تحلیل کلان داده ها را کشف کنید با استفاده از AWS QuickSight داده های بزرگ را در فضای ابری تجسم کنید داده های خود را با رمزگذاری، KMS، HSM، IAM، Cognito و STS ایمن نگه دارید این دوره برای تکنسین های باتجربه ای است که به دنبال صدور گواهینامه در فناوری های داده های بزرگ از طریق خدمات وب آمازون هستند. اگر به دنبال کسب این گواهینامه هستید، توصیه می شود ابتدا گواهینامه سطح کاردانی داشته باشید. تسلط بر دامنه های مورد نیاز برای قبولی در آزمون تخصصی تجزیه و تحلیل داده های تایید شده AWS (AWS DAS-C01) * استفاده از یادگیری ماشینی در مجموعه داده های عظیم با Amazon ML، SageMaker و یادگیری عمیق * نکات و تکنیک هایی را برای تجزیه و تحلیل، تجسم و پردازش داده های بزرگ بیابید.
سرفصل ها و درس ها

معرفی Introduction

  • بررسی اجمالی دوره Course Overview

  • معرفی مطالعه موردی عملی ما: Cadabra.com Introducing our Hands-On Case Study: Cadabra.com

  • هزینه دوره + راه اندازی بودجه AWS (سرویس وب آمازون). Cost of the Course + AWS (Amazon Web Services) Budget Setup

دامنه 1: مجموعه Domain 1: Collection

  • معرفی بخش مجموعه Collection Section Introduction

  • بررسی اجمالی جریان های داده Kinesis Kinesis Data Streams Overview

  • تولیدکنندگان کینزیس Kinesis Producers

  • مصرف کنندگان Kinesis Kinesis Consumers

  • Kinesis Data Streams - Hands On Kinesis Data Streams - Hands On

  • Kinesis Enhanced Fan Out Kinesis Enhanced Fan Out

  • پوسته پوسته شدن حرکت Kinesis Scaling

  • Kinesis - رسیدگی به سوابق تکراری Kinesis - Handling Duplicate Records

  • امنیت کینسیس Kinesis Security

  • Kinesis Data Firehose Kinesis Data Firehose

  • فیلترهای اشتراک CloudWatch با Kinesis CloudWatch Subscription Filters with Kinesis

  • (تمرین) Kinesis Firehose, Part 1 (Exercise) Kinesis Firehose, Part 1

  • (تمرین) Kinesis Firehose, Part 2 (Exercise) Kinesis Firehose, Part 2

  • (تمرین) Kinesis Firehose, Part 3 (Exercise) Kinesis Firehose, Part 3

  • (ورزش) جریان داده های Kinesis (Exercise) Kinesis Data Streams

  • بررسی اجمالی SQS SQS Overview

  • جریان داده های Kinesis در مقابل SQS Kinesis Data Streams Versus SQS

  • سرویس مهاجرت پایگاه داده (DMS) Database Migration Service (DMS)

  • اتصال مستقیم Direct Connect

  • خانواده برفی Snow Family

  • MSK: مدیریت جریان برای آپاچی کافکا MSK: Managed Streaming for Apache Kafka

  • MSK Connect MSK Connect

  • MSK بدون سرور MSK Serverless

  • Kinesis در مقابل MSK Kinesis vs MSK

دامنه 2: ذخیره سازی Domain 2: Storage

  • بررسی اجمالی S3 S3 Overview

  • S3 Hands-On S3 Hands-On

  • S3 Security: Bucket Policy S3 Security: Bucket Policy

  • S3 Security: Bucket Policy Hands-On S3 Security: Bucket Policy Hands-On

  • نسخه S3 S3 Versioning

  • نسخه S3 - Hands On S3 Versioning - Hands On

  • S3 Replication S3 Replication

  • یادداشت های تکرار S3 S3 Replication Notes

  • S3 Replication – Hands-On S3 Replication – Hands-On

  • بررسی اجمالی کلاس های ذخیره سازی S3 S3 Storage Classes Overview

  • کلاس های S3 Storage Hands-On S3 Storage Classes Hands-On

  • قوانین چرخه حیات S3 (با S3 Analytics) S3 Lifecycle Rules (with S3 Analytics)

  • قوانین چرخه حیات S3 - عملی S3 Lifecycle Rules – Hands-On

  • اعلان های رویداد S3 S3 Event Notifications

  • اعلان‌های رویداد S3 - عملی S3 Event Notifications – Hands-On

  • عملکرد S3 S3 Performance

  • S3 Select و Glacier Select S3 Select and Glacier Select

  • رمزگذاری S3 S3 Encryption

  • رمزگذاری S3 - عملی S3 Encryption – Hands-On

  • رمزگذاری پیش فرض S3 S3 Default Encryption

  • نقاط دسترسی S3 S3 Access Points

  • S3 Object Lambda S3 Object Lambda

  • بررسی اجمالی DynamoDB DynamoDB Overview

  • اصول DynamoDB - Hands-On DynamoDB Basics - Hands-On

  • DynamoDB در Big Data DynamoDB in Big Data

  • DynamoDB RCU و WCU - توان عملیاتی DynamoDB RCU and WCU - Throughput

  • DynamoDB RCU و WCU – Hands-On DynamoDB RCU and WCU – Hands-On

  • DynamoDB Basic API DynamoDB Basic APIs

  • DynamoDB Basic APIs – Hands-On DynamoDB Basic APIs – Hands-On

  • شاخص های DynamoDB (GSI + LSI) DynamoDB Indexes (GSI + LSI)

  • شاخص های DynamoDB (GSI + LSI) - Hands-On DynamoDB Indexes (GSI + LSI) – Hands-On

  • DynamoDB PartiQL DynamoDB PartiQL

  • DynamoDB DAX DynamoDB DAX

  • DynamoDB DAX - Hands-On DynamoDB DAX - Hands-On

  • DynamoDB Streams DynamoDB Streams

  • DynamoDB Streams – Hands-On DynamoDB Streams – Hands-On

  • DynamoDB TTL DynamoDB TTL

  • الگوهای DynamoDB با S3 DynamoDB Patterns with S3

  • امنیت DynamoDB DynamoDB Security

  • (تمرین) DynamoDB (Exercise) DynamoDB

  • بررسی اجمالی ElastiCache ElastiCache Overview

دامنه 3: پردازش Domain 3: Processing

  • بخش مقدمه: پردازش Section Introduction: Processing

  • AWS Lambda چیست؟ What Is AWS Lambda?

  • ادغام لامبدا - قسمت 1 Lambda Integration - Part 1

  • ادغام لامبدا - قسمت 2 Lambda Integration - Part 2

  • هزینه های لامبدا، وعده ها و ضد الگوها Lambda Costs, Promises, and Anti-Patterns

  • (تمرین) AWS Lambda (Exercise) AWS Lambda

  • چسب چیست؟ + پارتیشن بندی دریاچه داده شما What Is Glue? + Partitioning Your Data Lake

  • چسب، کندو و ETL Glue, Hive, and ETL

  • اصلاح کاتالوگ داده های چسب از اسکریپت های ETL Modifying the Glue Data Catalog from ETL Scripts

  • چسب ETL: نقاط پایانی توسعه‌دهنده، اجرای مشاغل ETL با نشانک‌ها Glue ETL: Developer Endpoints, Running ETL Jobs with Bookmarks

  • هزینه های چسب و ضد الگوها Glue Costs and Anti-Patterns

  • AWS Glue Studio AWS Glue Studio

  • کیفیت داده چسب AWS AWS Glue Data Quality

  • AWS Glue DataBrew AWS Glue DataBrew

  • سازند دریاچه AWS AWS Lake Formation

  • AWS Lake Security AWS Lake Security

  • Elastic MapReduce (EMR) معماری و استفاده Elastic MapReduce (EMR) Architecture and Usage

  • EMR، ادغام AWS و Storage EMR, AWS integration, and Storage

  • EMR Promises; مقدمه ای بر هادوپ EMR Promises; Introduction to Hadoop

  • EMR بدون سرور، EMR و EKS EMR Serverless, EMR, and EKS

  • مقدمه ای بر آپاچی اسپارک Introduction to Apache Spark

  • ادغام جرقه با Kinesis و Redshift Spark Integration with Kinesis and Redshift

  • ادغام جرقه با آتنا Spark integration with Athena

  • کندو در EMR Hive on EMR

  • Pig on EMR Pig on EMR

  • HBase در EMR HBase on EMR

  • Presto در EMR Presto on EMR

  • نوت بوک های زپلین و EMR Zeppelin and EMR Notebooks

  • Hue، Splunk و Flume Hue, Splunk, and Flume

  • S3DistCP و سایر خدمات S3DistCP and Other Services

  • امنیت EMR و انواع نمونه EMR Security and Instance Types

  • (تمرین) Elastic MapReduce، قسمت 1 (Exercise) Elastic MapReduce, Part 1

  • (تمرین) Elastic MapReduce، قسمت 2 (Exercise) Elastic MapReduce, Part 2

  • خط لوله داده AWS AWS Data Pipeline

  • توابع مرحله AWS AWS Step Functions

حوزه 4: تجزیه و تحلیل Domain 4: Analysis

  • بخش مقدمه: تجزیه و تحلیل Section Introduction: Analysis

  • مقدمه ای بر تجزیه و تحلیل Kinesis Introduction to Kinesis Analytics

  • هزینه های تجزیه و تحلیل Kinesis; RANDOM_CUT_FOREST Kinesis Analytics Costs; RANDOM_CUT_FOREST

  • (تمرین) تحلیل حرکتی، قسمت 1 (Exercise) Kinesis Analytics, Part 1

  • (تمرین) تجزیه و تحلیل Kinesis، قسمت 2 (Exercise) Kinesis Analytics, Part 2

  • (تمرین) تحلیل حرکتی، قسمت 3 (Exercise) Kinesis Analytics, Part 3

  • (تمرین) تجزیه و تحلیل Kinesis، قسمت 4 (Exercise) Kinesis Analytics, Part 4

  • مقدمه ای بر OpenSearch (Elasticsearch سابق) Introduction to OpenSearch (formerly Elasticsearch)

  • سرویس جستجوی باز آمازون Amazon OpenSearch Service

  • مدیریت فهرست OpenSearch و طراحی برای ثبات OpenSearch Index Management and Designing for Stability

  • عملکرد سرویس جستجوی باز آمازون Amazon OpenSearch Service Performance

  • بدون سرور جستجوی باز آمازون Amazon OpenSearch Serverless

  • (تمرین) سرویس جستجوی باز آمازون (Exercise) Amazon OpenSearch Service

  • آشنایی با آتنا Introduction to Athena

  • آتنا و چسب، هزینه ها و امنیت Athena and Glue, Costs, and Security

  • اجرای آتنا Athena Performance

  • معاملات آتنا اسید Athena ACID Transactions

  • (تمرین) چسب AWS و آتنا (Exercise) AWS Glue and Athena

  • معرفی و معماری Redshift Redshift Introduction and Architecture

  • Redshift طیف و تنظیم عملکرد Redshift Spectrum and Performance Tuning

  • دوام و مقیاس پذیری Redshift Redshift Durability and Scaling

  • سبک های توزیع Redshift Redshift Distribution Styles

  • کلیدهای مرتب سازی Redshift Redshift Sort Keys

  • Redshift Data Flow و دستور COPY Redshift Data Flows and the COPY command

  • یکپارچه سازی Redshift/WLM/خلاء/ضد الگوها Redshift Integration / WLM / Vacuum / Anti-Patterns

  • تغییر اندازه Redshift (الاستیک در مقابل کلاسیک) و ویژگی‌های جدید Redshift در سال 2020 Redshift Resizing (Elastic Versus Classic) and New Redshift Features in 2020

  • ویژگی های جدیدتر Redshift، AQUA Newer Redshift Features, AQUA

  • نگرانی های امنیتی Redshift Redshift Security Concerns

  • بدون سرور Redshift Redshift Serverless

  • (تمرین) Redshift Spectrum، قسمت 1 (Exercise) Redshift Spectrum, Part 1

  • (تمرین) Redshift Spectrum، قسمت 2 (Exercise) Redshift Spectrum, Part 2

  • سرویس پایگاه داده رابطه ای آمازون (RDS) و شفق قطبی Amazon Relational Database Service (RDS) and Aurora

دامنه 5: تجسم Domain 5: Visualization

  • بخش مقدمه: تجسم Section Introduction: Visualization

  • مقدمه ای بر Amazon QuickSight Introduction to Amazon QuickSight

  • قیمت گذاری و داشبورد QuickSight. بینش ML QuickSight Pricing and Dashboards; ML Insights

  • QuickSight Q QuickSight Q

  • انتخاب انواع تجسم Choosing Visualization Types

  • (ورزش) آمازون QuickSight (Exercise) Amazon QuickSight

  • سایر ابزارهای تجسم (HighCharts، D3 و بیشتر) Other Visualization Tools (HighCharts, D3, and More)

دامنه 6: امنیت Domain 6: Security

  • رمزگذاری 101 Encryption 101

  • رمزگذاری S3 (یادآوری) S3 Encryption (Reminder)

  • نمای کلی KMS KMS Overview

  • چرخش کلید KMS KMS Key Rotation

  • بررسی اجمالی Cloud HSM Cloud HSM Overview

  • AWS Services Security Deep Dive (1/3) AWS Services Security Deep Dive (1/3)

  • AWS Services Security Deep Dive (2/3) AWS Services Security Deep Dive (2/3)

  • AWS Services Security Deep Dive (3/3) AWS Services Security Deep Dive (3/3)

  • STS و دسترسی به حساب متقابل STS and Cross Account Access

  • فدراسیون هویت Identity Federation

  • سیاست ها - پیشرفته Policies - Advanced

  • CloudTrail CloudTrail

  • نقاط پایانی VPC VPC Endpoints

همه چیز دیگر Everything Else

  • ادغام خدمات AWS AWS Services Integrations

  • انواع نمونه برای داده های بزرگ Instance Types for Big Data

  • EC2 برای داده های بزرگ EC2 for Big Data

  • تعامل با داده ها با AWS AppSync و Amazon Kendra Interacting with Data with AWS AppSync and Amazon Kendra

  • تبادل داده AWS AWS Data Exchange

  • Amazon AppFlow Amazon AppFlow

آماده شدن برای امتحان Preparing for the Exam

  • نکات امتحانی Exam Tips

  • ایست بازرسی وضعیت یادگیری State of Learning Checkpoint

  • راهنمای آزمون و ثبت نام Exam Walkthrough and Signup

  • 50٪ در هزینه آزمون AWS خود صرفه جویی کنید! Save 50% on Your AWS Exam Cost!

  • 30 دقیقه اضافی در آزمون AWS خود دریافت کنید - فقط انگلیسی زبانان غیر بومی Get an Extra 30 Minutes in Your AWS Exam - Non-Native English Speakers Only

ضمیمه - مباحث یادگیری ماشین برای آزمون کلان داده گواهی شده قدیمی AWS Appendix - Machine Learning Topics for the Legacy AWS Certified Big Data Exam

  • یادگیری ماشینی 101 Machine Learning 101

  • مدل های طبقه بندی Classification Models

  • سرویس آمازون ام ال Amazon ML Service

  • SageMaker SageMaker

  • یادگیری عمیق 101 Deep Learning 101

  • (تمرین) آمازون یادگیری ماشینی، قسمت 1 (Exercise) Amazon Machine Learning, Part 1

  • (تمرین) آمازون یادگیری ماشینی، قسمت 2 (Exercise) Amazon Machine Learning, Part 2

بسته بندی Wrapping Up

  • مسیرهای صدور گواهینامه AWS AWS Certification Paths

  • تبریک می گویم! اکنون، مطمئن شوید که آماده هستید Congratulations! Now, Make Sure You Are Ready

نمایش نظرات

Packtpub یک ناشر دیجیتالی کتاب‌ها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرم‌افزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتاب‌ها، ویدیوها و دوره‌های آموزشی می‌پردازد که به توسعه‌دهندگان و متخصصان فناوری اطلاعات کمک می‌کند تا مهارت‌های خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامه‌نویسی، توسعه وب، داده‌کاوی، امنیت سایبری و هوش مصنوعی را پوشش می‌دهد. محتوای این منابع به صورت کاربردی و به‌روز ارائه می‌شود تا کاربران بتوانند دانش و توانایی‌های لازم برای موفقیت در پروژه‌های عملی و حرفه‌ای خود را کسب کنند.

آموزش تخصص تجزیه و تحلیل داده گواهی شده AWS (2023) عملی [ویدئو]
جزییات دوره
16 h 33 m
175
Packtpub Packtpub
(آخرین آپدیت)
1
5 از 5
ندارد
دارد
دارد

https://donyad.com/d/55755e

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

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Frank Kane Frank Kane

یادگیری ماشین و داده های بزرگ، آمازون سابق

فرانک 9 سال را در آمازون و IMDb گذراند و فناوری را توسعه و مدیریت کرد که به طور خودکار توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه می دهد. زمان. فرانک دارای 17 حق ثبت اختراع صادر شده در زمینه های محاسبات توزیع شده ، داده کاوی و یادگیری ماشین است. در سال 2012، فرانک شرکت موفق خود را به نام Sundog Software راه اندازی کرد که بر فناوری محیط واقعیت مجازی تمرکز دارد و به دیگران در مورد تجزیه و تحلیل داده های بزرگ آموزش می دهد.

Stéphane Maarek Stéphane Maarek

Stéphane Maarek یک معمار راه حل، مشاور و توسعه دهنده نرم افزار است که علاقه خاصی به همه چیزهای مربوط به داده های بزرگ و تجزیه و تحلیل دارد. او همچنین یک مربی پرفروش Udemy برای دوره های خود در Apache Kafka، Apache NiFi و AWS Lambda است. او عاشق آپاچی کافکا است و مرتباً در پروژه آپاچی کافکا مشارکت می کند. استفان همچنین یک پست وبلاگ مهمان نوشته است که در وب سایت Confluent، شرکت سازنده آپاچی کافکا، نمایش داده شده است. او همچنین یک معمار راه حل های تایید شده AWS است و سال ها تجربه با فناوری هایی مانند Apache Kafka، Apache NiFi، Apache Spark، Hadoop، PostgreSQL، Tableau، Spotfire، Docker، Ansible و غیره دارد.

AWS Cloud & Networking IT Certification گواهینامه IT