آموزش ChatGPT برای مهندسان داده - آخرین آپدیت

دانلود ChatGPT for Data Engineers

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

کاربردهای عملی ChatGPT برای مهندسان داده مدرن

یاد بگیرید چگونه از ChatGPT برای نوشتن، اشکال‌زدایی و بهینه‌سازی کد برای خطوط لوله داده، کوئری‌های SQL و اسکریپت‌های اتوماسیون در ابزارهایی مانند Spark، Airflow و Bash استفاده کنید.

تسلط بر مهندسی Prompt برای موارد استفاده از داده

کشف کنید چگونه ChatGPT را در موارد استفاده واقعی از جمله ایجاد خط لوله، تنظیم عملکرد، طراحی طرحواره و استقرار مبتنی بر ابر به کار ببرید.

با استفاده از ChatGPT و APIها، گردش‌های کاری و ابزارهای سفارشی ایجاد کنید تا وظایف تکراری را خودکار کنید، بهره‌وری را افزایش دهید و همکاری تیمی را تقویت کنید.

پیش‌نیازها:

  • درک اولیه از مفاهیم مهندسی داده
  • دانش کارکردی SQL و پایتون
  • آشنایی با خط فرمان و اسکریپت‌نویسی
  • کنجکاوی در مورد هوش مصنوعی و اتوماسیون
  • اختیاری: آشنایی با ابزارهایی مانند Spark، Airflow یا Docker

در دنیای پرشتاب و مبتنی بر داده امروزی، کارایی، اتوماسیون و نوآوری کلید پیشرفت هستند. این دوره، "ChatGPT برای مهندسان داده"، طراحی شده است تا متخصصان داده را با مهارت‌ها و استراتژی‌های عملی برای استفاده از ابزارهای هوش مصنوعی مولد مانند ChatGPT در گردش‌های کاری مهندسی داده در دنیای واقعی توانمند سازد.

چه در حال نوشتن کوئری‌های پیچیده SQL باشید، چه طراحی خطوط لوله ETL مقیاس‌پذیر، چه اتوماسیون مستندسازی، یا اشکال‌زدایی کد، ChatGPT می‌تواند به عنوان همکار خلبان مجازی شما عمل کند. این دوره نمایش‌های عملی، بهترین شیوه‌ها و موارد استفاده واقعی را ترکیب می‌کند تا به شما کمک کند ChatGPT را در هر مرحله از چرخه عمر مهندسی داده خود ادغام کنید - از ایده‌پردازی تا پیاده‌سازی.

شما یاد خواهید گرفت که چگونه از ChatGPT برای:

  • تولید، بهینه‌سازی و توضیح کوئری‌های SQL برای پایگاه‌های داده مختلف
  • خودکارسازی وظایف خط لوله داده و تولید اسکریپت در پایتون، Bash و Spark
  • ترجمه الزامات به مشخصات فنی با استفاده از مهندسی prompt
  • ساخت ابزارهای مبتنی بر هوش مصنوعی برای ساده‌سازی مستندسازی، پروفایل‌سازی داده و بررسی کیفیت

در پایان این دوره، شما نه تنها قابلیت‌ها و محدودیت‌های ChatGPT را درک خواهید کرد، بلکه مهارت‌های لازم برای اعمال مطمئنانه آن در گردش کار روزانه خود را برای صرفه‌جویی در زمان، بهبود دقت و ایجاد نوآوری خواهید داشت.

ایده‌آل برای مهندسان داده مشتاق و باتجربه، تحلیلگران داده و رهبران فنی که به دنبال ایمن‌سازی مجموعه مهارت‌های خود با ابزارهای پیشرفته هوش مصنوعی هستند.


سرفصل ها و درس ها

مقدمه ای بر ChatGPT برای مهندسان داده Introduction to ChatGPT for Data Engineers

  • ChatGPT چیست؟ مروری بر هوش مصنوعی مولد What is ChatGPT? Overview of Generative AI

  • چرا مهندسان داده باید به LLM ها اهمیت دهند؟ Why Data Engineers Should Care About LLMs

  • قابلیت ها و محدودیت های ChatGPT Capabilities & Limitations of ChatGPT

  • نگاهی اجمالی به ChatGPT ChatGPT Sneak Peek

  • تمرین عملی قسمت 1 Hands On Practice Part 1

  • موارد استفاده از ChatGPT در مهندسی داده Use Cases of ChatGPT in Data Engineering

  • تمرین عملی قسمت 2 Hands On Practice Part 2

تسلط بر مهندسی پرامپت (Prompt Engineering) Mastering Prompt Engineering

  • مهندسی پرامپت چیست؟ What is Prompt Engineering?

  • ایجاد پرامپت های موثر برای وظایف داده Crafting Effective Prompts for Data Tasks

  • تمرین عملی قسمت 3 Hands On Practice Part 3

  • الگوهای پرامپت: قالب ها، زنجیره ها و متغیرها Prompt Patterns: Templates, Chains, and Variables

  • اشکال زدایی و پالایش پرامپت ها برای نتایج بهتر Debugging and Refining Prompts for Better Results

ChatGPT برای کاوش داده و SQL ChatGPT for Data Exploration and SQL

  • نوشتن و بهینه سازی کوئری های SQL با ChatGPT Writing and Optimizing SQL Queries with ChatGPT

  • پروفایل سازی و خلاصه سازی داده Data Profiling and Summarization

  • توضیح کوئری های پیچیده و طرحواره های پایگاه داده Explaining Complex Queries and Database Schemas

  • پیشنهادات پاکسازی داده با استفاده از هوش مصنوعی Data Cleaning Suggestions Using AI

ChatGPT برای پایتون و پایپ لاین های داده ChatGPT for Python & Data Pipelines

  • تولید خودکار اسکریپت ها و توابع پایتون Auto-generating Python Scripts and Functions

  • تبدیل شبه کد به کد آماده برای تولید Converting Pseudo-code to Production-ready Code

  • نوشتن اسکریپت های ETL با ChatGPT Writing ETL Scripts with ChatGPT

  • استفاده از ChatGPT برای بازبینی و بازسازی کد Using ChatGPT for Code Reviews and Refactoring

ادغام ChatGPT با ابزارهای مهندسی داده Integrating ChatGPT with Data Engineering Tools

  • اتصال ChatGPT به مشاغل Apache Spark Connecting ChatGPT to Apache Spark Jobs

  • خودکارسازی تولید DAG جریان هوا (Airflow) Automating Airflow DAG Generation

  • کمک به مدیریت موضوع Kafka Assisting with Kafka Topic Management

  • ChatGPT برای ایجاد Dockerfile و YAML Kubernetes ChatGPT for Dockerfile and Kubernetes YAML Creation

اتوماسیون و مستندسازی با ChatGPT Automation & Documentation with ChatGPT

  • تولید خودکار مستندات پروژه Auto-generating Project Documentation

  • نوشتن فایل های README و نظرات کد Writing README Files and Code Comments

  • توضیح گردش کار داده به ذینفعان غیرفنی Explaining Data Workflows to Non-Technical Stakeholders

  • ایجاد نمودارهای معماری از پرامپت های متنی Creating Architecture Diagrams from Text Prompts

ChatGPT برای DevOps و نظارت ChatGPT for DevOps & Monitoring

  • نوشتن اسکریپت های Bash و اسکریپت های نظارتی Writing Bash Scripts and Monitoring Scripts

  • کمک به پیکربندی YAML CI/CD Assisting with CI/CD YAML Configuration

  • تجزیه و تحلیل فایل های گزارش با ChatGPT Analyzing Log Files with ChatGPT

  • پیشنهاداتی برای تنظیم عملکرد Suggestions for Performance Tuning

استفاده اخلاقی، خطرات و محدودیت ها Ethical Use, Risks, and Limitations

  • اجتناب از اتکای بیش از حد به هوش مصنوعی Avoiding Over-Reliance on AI

  • اعتبارسنجی کدها و خروجی های تولید شده توسط هوش مصنوعی Validating AI-Generated Code and Outputs

  • ملاحظات مربوط به حریم خصوصی و امنیت داده Data Privacy & Security Considerations

  • استفاده مسئولانه از هوش مصنوعی مولد در تیم های داده Responsible Use of Generative AI in Data Teams

پروژه ها و موارد استفاده واقعی Real-World Projects and Use Cases

  • ساخت یک گردش کار کامل ETL با کمک ChatGPT Building a Full ETL Workflow with ChatGPT Assistance

  • خودکارسازی بررسی کیفیت داده Automating Data Quality Checks

  • تولید گزارش ها و بینش ها از داده های خام Generating Reports and Insights from Raw Data

  • ChatGPT + API: خودکارسازی وظایف معمول مهندسی ChatGPT + APIs: Automating Routine Engineering Tasks

نمایش نظرات

آموزش ChatGPT برای مهندسان داده
جزییات دوره
5 hours
40
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,106
4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bigdata Engineer Bigdata Engineer

مهندس Bigdata من معمار راه حل هستم با 12 سال تجربه در صنعت بانکداری ، ارتباطات از راه دور و خدمات مالی در طیف متنوعی از نقش ها در برنامه های کارت اعتباری ، پرداخت ها ، انبار داده و مرکز داده نقش من به عنوان Bigdata و Cloud Architect به عنوان بخشی از تیم Bigdata برای ارائه راه حل نرم افزاری کار می کنم. مسئولیت ها شامل - از همه مسائل مربوط به Hadoop پشتیبانی کنید - معیار سیستم های موجود ، تجزیه و تحلیل چالش های سیستم موجود/گلوگاه ها و پیشنهاد راه حل های مناسب برای از بین بردن آنها بر اساس فن آوری های مختلف Big Data - تجزیه و تحلیل و تعریف جوانب مثبت و منفی فناوری ها و سیستم عامل های مختلف - موارد استفاده ، راه حل ها و توصیه ها را تعریف کنید - استراتژی Big Data را تعریف کنید - انجام تجزیه و تحلیل دقیق از مشکلات کسب و کار و محیط های فنی - راه حل عملی بزرگ داده را بر اساس تجزیه و تحلیل نیازهای مشتری تعریف کنید - توصیه های عملی Big Big Cluster را تعریف کنید - به مشتریان در مورد فن آوری های مختلف Big Data آموزش دهید تا به آنها در درک نکات مثبت و منفی Big Data کمک کند - حاکمیت داده ها - ساخت ابزارهایی برای بهبود بهره وری توسعه دهنده و اجرای روشهای استاندارد