آموزش Microsoft Azure Data Engineering (DP-203): 2 طراحی و توسعه پردازش داده ها
Microsoft Azure Data Engineering (DP-203): 2 Design and Develop Data Processing
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
آیا برای آزمون Microsoft Azure Data Engineering (DP-203) آماده می شوید یا به دنبال درک بهتری از نحوه طراحی و توسعه پردازش داده هستید؟ این دوره، دومین دوره از یک سری، می تواند به شما کمک کند. نوح گیفت، بنیانگذار Pragmatic A.I. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون، نحوه طراحی و توسعه پردازش داده با Azure را پوشش می دهد. نوح به شما نشان می دهد که چگونه از Apache Spark، Data Factory و Databricks برای جذب و تبدیل داده ها در Azure استفاده کنید. او به پاکسازی داده ها و کارهای رایج تبدیل داده می پردازد، سپس به سراغ راه حل های پردازش دسته ای می رود. نوح پس از توضیح نحوه ادغام نوت‌بوک‌های Jupyter/Python در خط لوله داده‌های خود، در مورد پردازش جریان، تفاوت‌های بین پردازش جریانی و دسته‌ای و استفاده از راه‌حل Azure Data Factory برای مدیریت دسته‌ها و خطوط لوله صحبت می‌کند.
توجه: این دوره توسط نوح گیفت ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
توجه: این دوره توسط نوح گیفت ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
سرفصل ها و درس ها
معرفی Introduction
-
طراحی و توسعه پردازش داده در Microsoft Azure Design and develop data processing on Microsoft Azure
-
مروری بر فناوری پیش نیاز سریع Quick prerequisite technology overview
1. داده ها را بلعیده و تبدیل کنید 1. Ingest and Transform Data
-
با استفاده از آپاچی اسپارک داده ها را تبدیل کنید Transform data by using Apache Spark
-
داده ها را پاک کنید Cleanse data
-
وظایف متداول تبدیل داده ها Common data transform tasks
-
امتحان فصل Chapter Quiz
2. طراحی و توسعه یک راه حل پردازش دسته ای 2. Design and Develop a Batch Processing Solution
-
راه حل های پردازش دسته ای را توسعه دهید Develop batch processing solutions
-
نوت بوک های Jupyter/Python را ادغام کنید Integrate Jupyter/Python notebooks
-
امتحان فصل Chapter Quiz
3. طراحی و توسعه یک راه حل پردازش جریان 3. Design and Develop a Stream Processing Solution
-
یک راه حل پردازش جریانی ایجاد کنید Develop a stream processing solution
-
امتحان فصل Chapter Quiz
4. دسته ها و خطوط لوله را مدیریت کنید 4. Manage Batches and Pipelines
-
دسته ها و خطوط لوله را مدیریت کنید Manage batches and pipelines
-
امتحان فصل Chapter Quiz
نتیجه Conclusion
-
خلاصه و مراحل بعدی Summary and next steps
https://donyad.com/d/b17d
Noah Gift
کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO
Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نمایش نظرات