آموزش مدل سازی داده برای مهندسان داده

Data Modeling for Data Engineers

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ایجاد یک مدل داده با کارایی بالا یکی از وظایف کلیدی برای مهندسی داده کارآمد است. در این دوره، مدل سازی داده برای مهندسان داده، شما توانایی طراحی و مدیریت مدل های داده کارآمد در زمینه های مختلف را به دست خواهید آورد. ابتدا، مفاهیم پایه مدل‌سازی داده‌ها را بررسی می‌کنید و اهمیت مدل‌سازی داده‌ها را درک خواهید کرد. در مرحله بعد، تفاوت‌های کلیدی بین مدل‌های داده‌های مفهومی، منطقی و فیزیکی و تکنیک‌های مختلف بهینه‌سازی عملکرد برای پیاده‌سازی فیزیکی در فرآیند طراحی پایگاه داده را کشف خواهید کرد. در نهایت، نحوه استفاده از مفاهیم مدل‌سازی داده در زمینه‌های مختلف، مانند بارهای کاری OLTP و OLAP را یاد خواهید گرفت. وقتی این دوره را به پایان رساندید، مهارت ها و دانش مربوط به مدل سازی داده های مورد نیاز برای ایجاد راه حل های مهندسی داده کارآمد و مقیاس پذیر را خواهید داشت.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

درک مدل سازی داده های مفهومی و منطقی Understanding Conceptual and Logical Data Modeling

  • درک داده های غیرساختار یافته، نیمه ساختاریافته و ساختاریافته Understanding Non-structured, Semi-structured, and Structured Data

  • مقدمه ای بر مدل سازی داده ها Introduction to Data Modeling

  • ایجاد یک مدل داده مفهومی Creating a Conceptual Data Model

  • پیاده سازی مدل های داده های منطقی Implementing Logical Data Models

  • درک عادی سازی و نمودارهای رابطه موجودیت Understanding Normalization and Entity Relationship Diagrams

مدل سازی داده های فیزیکی و طراحی پایگاه داده را درک کنید Understand Physical Data Modeling and Database Design

  • پیاده سازی مدل داده های فیزیکی Implementing a Physical Data Model

  • درک تکنیک های بهینه سازی در طراحی پایگاه داده فیزیکی Understanding Optimization Techniques in Physical Database Design

  • نسخه ی نمایشی: تنظیم عملکرد با نمایه سازی Demo: Performance Tuning with Indexing

مدل سازی داده ها را در زمینه های مختلف درک کنید Understand Data Modeling in Different Contexts

  • درک ویژگی های کلیدی سیستم های OLTP و OLAP Understanding Key Characteristics of OLTP and OLAP Systems

  • مدل سازی داده برای داده های بزرگ Data Modeling for Big Data

نمایش نظرات

Pluralsight (پلورال سایت)

Pluralsight یکی از پرطرفدارترین پلتفرم‌های آموزش آنلاین است که به میلیون‌ها کاربر در سراسر جهان کمک می‌کند تا مهارت‌های خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دوره‌های آموزشی در زمینه‌های فناوری اطلاعات، توسعه نرم‌افزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه می‌دهد.

یکی از ویژگی‌های برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعه‌دهندگان و کارشناسان معتبر، دوره‌هایی را ارائه می‌دهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژی‌ها نگه می‌دارد. این امر به کاربران این اطمینان را می‌دهد که دوره‌هایی که در Pluralsight می‌پذیرند، با جدیدترین دانش‌ها و تجارب به روز شده‌اند.

آموزش مدل سازی داده برای مهندسان داده
جزییات دوره
53m
11
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Nikola Ilic
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nikola Ilic Nikola Ilic

نیکولا ایلیچ به طور رسمی یک توسعه‌دهنده هوش تجاری است که بر فناوری‌های پلتفرم داده مایکروسافت، به‌ویژه Power BI تمرکز دارد - اما او فردی متعصب به داده است و به هر چیزی که مربوط به استخراج اطلاعات معنی‌دار از داده‌های خام است علاقه دارد. نیکولا خود را "داده موتزارت" معرفی می کند. از آنجایی که او در شهر شگفت انگیز سالزبورگ، اتریش، که به زادگاه W.A.Mozart معروف است، زندگی می کند، به اندازه کافی شجاع بود که از نام خانوادگی آهنگساز به عنوان بخشی از نام مستعار خود استفاده کند. به همین دلیل است که شعار حرفه ای نیکولا این است: "از داده های خود موسیقی بسازید!" نیکولا که از محیط کسب و کار آمده است، دارای مدرک لیسانس در علوم ارتباطات و علوم کامپیوتر است. او مرتباً در data-mozart.com وبلاگ می نویسد و در کنفرانس های داده جهانی سخنرانی می کند. نیکولا همچنین MVP پلتفرم داده مایکروسافت، مربی گواهی شده مایکروسافت و تحلیلگر داده تایید شده است.