مبانی مهندسی داده ابری گوگل

Google Cloud Data Engineering Foundations

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک نمای کلی از تمام ابزارها و تکنیک های مهندسی داده به کار گرفته شده با Google Cloud ارائه می دهد. مربی Bhavani Ravi جنبه‌های مهم مفاهیم مهندسی داده - مانند جذب، تبدیل و تجزیه و تحلیل - را از چشم Google Cloud Platform پوشش می‌دهد. Bhavani ابتدا به مبانی مهندسی داده می پردازد، سپس به مفاهیم ذخیره سازی داده های Google Cloud می پردازد و انواع مختلف گزینه های Google Cloud Storage و زمان استفاده از هر کدام را توضیح می دهد. سپس، در مورد خطوط لوله داده Google Cloud - موارد استفاده مربوط به آنها و اینکه چرا از خطوط لوله داده در گردش کار مهندسی داده استفاده می کنید، بیاموزید. اگر به دنبال کسب اطلاعات بیشتر در مورد طیف مهندسی داده و نحوه رسیدگی به مشکلات داده با شناسایی ابزار مناسب Google برای کار هستید، در این دوره آموزشی به Bhavani بپیوندید.

سرفصل ها و درس ها

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

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

مبانی مهندسی داده ابری گوگل
جزییات دوره
1h 57m
20
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
1,760
- از 5
ندارد
دارد
دارد
Bhavani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Bhavani Ravi 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.