آموزش مدل‌سازی داده‌ها در Qlik Sense - آخرین آپدیت

دانلود Model Data in Qlik Sense

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: بدون درک درست از نحوه ساختاردهی و اتصال داده‌ها، اپلیکیشن‌های Qlik Sense شما می‌توانند کند، پیچیده و غیرقابل اعتماد شوند که در نهایت منجر به تحلیل‌های نادرست و تجربه کاربری ناخوشایند می‌گردد. در این دوره آموزشی با عنوان «مدل‌سازی داده‌ها در Qlik Sense»، شما توانایی ساخت مدل‌های داده‌ای قدرتمند، بهینه و مقیاس‌پذیر را کسب خواهید کرد. در ابتدا، مدل داده‌ای انجمنی (Associative Data Model) در Qlik Sense را بررسی می‌کنید و می‌آموزید که چگونه فیلدهای کلیدی جداول را به هم متصل می‌کنند، انتخاب‌ها چگونه در سراسر داده‌ها منتشر می‌شوند، چگونه با ایجاد دستی کلیدهای ترکیبی از ایجاد کلیدهای مصنوعی (Synthetic Keys) جلوگیری کنید و تفاوت بین Joinهای رابطه‌ای و لینک‌های انجمنی Qlik را درک نمایید. سپس، نحوه تحلیل و عیب‌یابی روابط داده‌ای را کشف خواهید کرد؛ یاد می‌گیرید از نمایش‌دهنده مدل داده‌ها (Data Model Viewer) برای شناسایی و رفع مشکلات رایجی مانند ارجاعات چرخشی (Circular References) و کلیدهای مصنوعی استفاده کنید و روابط سطح فیلد را از طریق پیش‌نمایش جداول و متادیتا بررسی نمایید. در نهایت، تکنیک‌های پیشرفته مدل‌سازی برای بهینه‌سازی داده‌ها را می‌آموزید؛ از جمله ساخت شمای ستاره‌ای (Star Schema) و دانه‌برفی (Snowflake Schema)، ایجاد مدل‌های کانونی (Canonical Models)، استفاده از جداول رابط (Link Tables) برای مدیریت ارتباطات پیچیده و ترکیب یا تفکیک استراتژیک جداول جهت بهبود عملکرد. پس از اتمام این دوره، شما مهارت‌ها و دانش لازم در مدل‌سازی داده‌های Qlik Sense را خواهید داشت تا بتوانید اپلیکیشن‌هایی با کارایی بالا طراحی کنید که بینش‌هایی سریع، قابل اعتماد و دقیق ارائه دهند.

سرفصل ها و درس ها

درک مدل داده‌ای انجمنی Qlik Sense Understand Qlik Sense's Associative Data Model

  • پیش‌نیازهای سیستم و نرم‌افزاری System and Software Requirements

  • مبانی مدل‌سازی داده‌ها Data Modeling

  • مدل داده‌ای انجمنی (Associative) Associative Data Model

  • دمو: اتصالات خودکار Demo: Automatic Associations

  • دمو: اتصالات دستی Demo: Manual Associations

  • دمو: اتصالات سفارشی و بصری‌سازی Demo: Custom Associations and Visualizations

  • تفاوت اتصالات (Associations) و Joinها Associations vs. Joins

  • دمو: بررسی Joinها و اتصالات Demo: Joins and Associations

  • دمو: بررسی Left، Right و Outer Join Demo: Left, Right, and Outer Joins

  • دمو: استفاده از Keep برای عملیات Join با جداول مجزا Demo: Keep to Perform Join Operations with Separate Tables

  • دمو: مدیریت انتخاب‌ها (Selections) Demo: Selections

تحلیل و عیب‌یابی روابط داده‌ای Analyze and Troubleshoot Data Relationships

  • کلیدهای مصنوعی (Synthetic Keys) Synthetic Keys

  • دمو: شناسایی کلیدهای مصنوعی Demo: Synthetic Keys

  • دمو: کاهش و رفع کلیدهای مصنوعی Demo: Mitigating Synthetic Keys

  • دمو: استفاده از QUALIFY و UQUALIFY برای مدیریت کلیدهای مصنوعی Demo: Using QUALIFY and UQUALIFY to Handle Synthetic Keys

  • دمو: شناسایی و رفع ارجاعات چرخشی (Circular References) Demo: Detecting and Fixing Circular References

  • دمو: پیش‌نمایش جداول و متادیتا Demo: Table Preview and Metadata

پیاده‌سازی تکنیک‌های مدل‌سازی Apply Modeling Techniques

  • شمای ستاره‌ای و دانه‌برفی Star and Snowflake Schemas

  • دمو: تنظیم روابط برای آماده‌سازی شمای ستاره‌ای Demo: Set up Relationships to Prepare for the Star Schema

  • دمو: ایجاد شمای ستاره‌ای (Star Schema) Demo: Create a Star Schema

  • دمو: ایجاد شمای دانه‌برفی (Snowflake Schema) Demo: Create a Snowflake Schema

  • دمو: مدل‌سازی با چندین تقویم Demo: Model with Multiple Calendars

  • دمو: ایجاد مدل تاریخ کانونی (Canonical Date Model) Demo: Set up a Canonical Date Model

  • دمو: استفاده از جداول رابط (Link Tables) Demo: Link Tables

بهینه‌سازی مدل‌های داده‌ای Optimize Data Models

  • دمو: محدود کردن فیلدها و ردیف‌ها Demo: Limit Fields and Rows

  • دمو: شناسایی و مدیریت فیلدهای با تعداد مقادیر منحصر‌به‌فرد بالا (High Cardinality) Demo: Identify and Manage High-cardinality Fields

  • دمو: مقایسه عملکرد بارگذاری داده‌ها: فایل‌های CSV در برابر QVD Demo: Data Load Performance Comparison - CSV vs. QVD Files

نمایش نظرات

آموزش مدل‌سازی داده‌ها در Qlik Sense
جزییات دوره
1h 45m
27
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.