مبانی مهندسی داده ابری گوگل
Google Cloud Data Engineering Foundations
مقدمه Introduction
-
مقدمه مهندسی داده در Google Cloud Data engineering on Google Cloud introduction
-
چک لیست سریع A quick checklist
1. مبانی مهندسی داده 1. Data Engineering Foundations
-
مخزن راه اندازی شد Repo set up
-
مروری بر ابزارها و اصطلاحات Overview of tools and terms
-
در دوره چیست؟ What's in the course?
-
اکوسیستم مهندسی داده Data engineering ecosystem
-
مهندسی داده چیست؟ What is data engineering?
2. Google Cloud Data Storage 2. Google Cloud Data Storage
-
BigQuery BigQuery
-
Google Cloud Storage (GCS) Google Cloud Storage (GCS)
-
گزینه های ذخیره سازی داده ها Data storage options
-
BigQuery با پایتون BigQuery with Python
-
GCS با پایتون GCS with Python
3. Google Cloud Data Pipelines 3. Google Cloud Data Pipelines
-
Google Cloud Pub/Sub Google Cloud Pub/Sub
-
نوشتن خط لوله جریان هوا Writing an Airflow Pipeline
-
PySpark در Dataproc PySpark on Dataproc
-
Cloud Dataflow Cloud Dataflow
-
Cloud Composer چیست؟ What is Cloud Composer?
-
انواع مختلف خطوط لوله داده و موارد استفاده از آنها Different kinds of data pipelines and their use cases
-
Dataproc Dataproc
نتیجه گیری Conclusion
-
مراحل بعدی Next steps
https://donyad.com/d/babc8c
Bhavani Ravi
Bhavani Ravi مهندس نرم افزار تبحر در طراحی و معماری سیستم های back-end و chatbots است. بهاوی علاقه زیادی به محصولات فناوری دارد ، چشم مدیریت محصول را دارد و درباره کد تمیز و مقیاس پذیر وسواس زیادی دارد. او یک مهندس تحقیق در Saama Technologies است ، جایی که تمرکز او روی سیستم های back-end است و همچنین دو جامعه فنی را اداره می کند: Build2Learn ، یک ابتکار داوطلبانه برای کمک به مردم در یادگیری برنامه نویسی با ساختن محصولات مفید مفید ، و WomenTechMakers ، جایی که او یک مجمع برای زنان برای کشف و بحث در مورد دنیای فناوری برگزار می کند. وی همچنین سخنران کارگاه های Chatbot 101 است. بهاونی مدرک BE خود را در رشته علوم کامپیوتر از کالج فناوری KCG در چنای ، تامیل نادو ، هند ، جایی که هم اکنون در آن مستقر است ، کسب کرد.
نمایش نظرات