[2025 جدید] مهندسی داده در AWS با پروژه عملی واقعی! یادگیری با انجام دادن!
ساخت یک پایپلاین کامل و مدرن مهندسی داده همراه با آمادگی برای آزمون AWS Certified Data Engineer!
مروری بر دوره:
این دوره بر پروژههای واقعی تمرکز دارد که اثبات شده بهترین راه برای حفظ دانش و اثبات تخصص شماست. این پروژهها میتوانند منابع اضافی برای رزومه شما و استفاده در فرآیندهای مصاحبه جهت شرح تجربه با AWS Cloud و مهندسی داده باشند.
آزمون AWS Certified Data Engineer Associate (DEA-C01 یا DE1-C01) یکی از آزمونهای دشوار است. این دوره با ترکیب ماژولهای توضیحی و راهنماییهای عملی، بهترینها را ارائه میدهد تا به شما اطمینان دهد که خدمات AWS را به خوبی درک کردهاید.
هدف من این است که شما را برای تبدیل شدن به یک مهندس داده، درک شیوههای مهندسی داده به عنوان یک معمار راهکار، گذراندن گواهینامه AWS DEA-C01 و موفقیت در شغل خود آماده کنم.
این دوره یکی از جامعترین و پروژهمحورترین دورههای موجود است که توسط مدرسان با سوابق گسترده در AWS پشتیبانی میشود!
محتوای دوره شامل:
- جمعآوری دادههای جریانی و دستهای با AWS DMS، Schema Conversion Tool، Apache Kafka، Amazon MSK، MSK Connect، Kinesis Data Streams، Kinesis Data Firehose، AWS Glue Schema Registry
- ذخیرهسازی و پایگاههای داده در Amazon S3، Amazon EBS، Amazon EFS، AWS Backup، Amazon RDS، Amazon Aurora، Amazon DynamoDB، Amazon Neptune، Amazon DocumentDB، Amazon Timestream، AWS Lake Formation
- تبدیل و پردازش داده با AWS Glue، Amazon EC2، Amazon ECR، Amazon ECS، Amazon EKS، Amazon EMR، AWS Batch، AWS Lambda، Managed Service for Apache Flink
- تجزیه و تحلیل و پرسوجو از دادهها با Amazon OpenSearch Service، Amazon Redshift، Amazon Athena
- زمانبندی و ارکستراسیون پایپلاین با Amazon EventBridge، AWS Step Functions، Apache Airflow MWAA، AWS Glue Workflows، Amazon SNS، Amazon SQS، Amazon AppFlow
- مصرف و بصریسازی دادهها با Amazon QuickSight، Machine Learning، Amazon Sagemaker
- عملیاتی کردن، نگهداری و نظارت بر پایپلاینهای داده با Amazon CloudWatch و CloudTrail
- یادگیری شیوههای احراز هویت، مجوز دسترسی، رمزگذاری دادهها، حریم خصوصی و حاکمیت داده. Amazon IAM، Amazon KMS و AWS Secrets Manager
- مفاهیم پایپلاین ETL مانند Slowly Changing Dimensions (SCD I, SCD II)
- ابزارهای CI/CD در AWS مانند AWS CloudFormation، AWS Serverless Application Model، AWS CodeCommit، AWS CodeBuild، AWS Code Deploy، AWS CodePipeline
غرق شدن در فناوریهای متنباز و SQL:
- خواندن، نوشتن و تبدیل دادهها با Apache Spark
- یادگیری مبانی پردازش جریانی با Apache Kafka
- درک معماری OpenSearch
- نوشتن پرسوجوهای پایه تا متوسط با Structured Query Language (SQL)
پیشنیازها:
- نیاز به تجربه برنامهنویسی گسترده نیست.
- آشنایی با خواندن و نوشتن کد پایتون.
- درک اساسی از AWS Cloud (VPC، Regions، Availability Zones).
KTS Kloud Tech Studio
نمایش نظرات