نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
دو جزء کلیدی هر خط لوله داده، دریاچه های داده و انبارها هستند. دو جزء کلیدی هر خط لوله داده، دریاچه های داده و انبارها هستند. این دوره موارد استفاده را برای هر نوع ذخیره سازی برجسته می کند و با جزئیات فنی به راه حل های موجود در دریاچه داده و انبار در Google Cloud می پردازد. همچنین، این دوره، نقش یک مهندس داده، مزایای یک خط لوله داده موفق در عملیات تجاری را شرح می دهد و بررسی می کند که چرا مهندسی داده باید در یک محیط ابری انجام شود. این اولین دوره از سری مهندسی داده در Google Cloud است. پس از اتمام این دوره، در دوره Building Batch Data Pipelines on Google Cloud ثبت نام کنید.
سرفصل ها و درس ها
معرفی
Introduction
-
معرفی سری دوره ها
Course series introduction
-
معرفی دوره
Course introduction
مقدمه ای بر مهندسی داده
Introduction to Data Engineering
-
معرفی ماژول
Module introduction
-
نقش یک مهندس داده
The role of a data engineer
-
چالش های مهندسی داده
Data engineering challenges
-
مقدمه ای بر BigQuery
Introduction to BigQuery
-
دریاچه های داده و انبارهای داده
Data lakes and data warehouses
-
پایگاه داده های تراکنش در مقابل انبارهای داده
Transactional databases versus data warehouses
-
به طور موثر با سایر تیم های داده همکاری کنید
Partner effectively with other data teams
-
مدیریت دسترسی و مدیریت داده ها
Manage data access and governance
-
نسخه ی نمایشی: یافتن PII در مجموعه داده خود با DLP API
Demo: Finding PII in your dataset with the DLP API
-
خطوط لوله آماده تولید بسازید
Build production-ready pipelines
-
مطالعه موردی مشتری Google Cloud
Google Cloud customer case study
-
خلاصه
Recap
-
معرفی آزمایشگاه: استفاده از BigQuery برای انجام تجزیه و تحلیل
Lab Intro: Using BigQuery to do Analysis
-
Pluralsight: شروع به کار با GCP و Qwiklabs
Pluralsight: Getting Started with GCP and Qwiklabs
-
آزمایشگاه: استفاده از BigQuery برای انجام تجزیه و تحلیل
Lab: Using BigQuery to do Analysis
ساخت دریاچه داده
Building a Data Lake
-
معرفی ماژول
Module Introduction
-
مقدمه ای بر دریاچه های داده
Introduction to data lakes
-
گزینه های ذخیره سازی داده و ETL در Google Cloud
Data storage and ETL options on Google Cloud
-
با استفاده از Cloud Storage یک دریاچه داده بسازید
Build a data lake using Cloud Storage
-
ذخیره سازی ابری امن
Secure Cloud Storage
-
ذخیره انواع داده ها
Store all sorts of data types
-
Cloud SQL به عنوان یک دریاچه داده رابطه ای
Cloud SQL as a relational data lake
-
معرفی آزمایشگاه: بارگیری دادههای تاکسی در Google Cloud SQL
Lab Intro: Loading Taxi Data into Google Cloud SQL
-
آزمایشگاه: بارگیری دادههای تاکسی در Google Cloud SQL 2.5
Lab: Loading Taxi Data into Google Cloud SQL 2.5
ساخت انبار داده
Building a Data Warehouse
-
معرفی ماژول
Module Introduction
-
انبار داده مدرن
The modern data warehouse
-
مقدمه ای بر BigQuery
Introduction to BigQuery
-
نسخه ی نمایشی: جستجوی TB داده در چند ثانیه
Demo: Querying TB of data in seconds
-
با BigQuery شروع کنید
Get started with BigQuery
-
داده ها را در BigQuery بارگیری کنید
Load data into BigQuery
-
معرفی آزمایشگاه: بارگیری داده ها در BigQuery
Lab Intro: Loading Data into BigQuery
-
آزمایشگاه: بارگیری داده ها در BigQuery
Lab: Loading data into BigQuery
-
طرحواره ها را کاوش کنید
Explore schemas
-
نسخه ی نمایشی: بررسی طرحواره ها
Demo: Exploring Schemas
-
طراحی طرحواره
Schema design
-
فیلدهای تودرتو و تکراری
Nested and repeated fields
-
دمو: فیلدهای تودرتو و تکراری
Demo: Nested and repeated fields
-
طرحواره بهینه را برای BigQuery طراحی کنید
Design the optimal schema for BigQuery
-
معرفی آزمایشگاه: کار با داده های JSON و آرایه در BigQuery
Lab Intro: Working with JSON and Array data in BigQuery
-
آزمایشگاه: کار با داده های JSON و آرایه در BigQuery 2.5
Lab: Working with JSON and Array data in BigQuery 2.5
-
بهینه سازی با پارتیشن بندی و خوشه بندی
Optimize with partitioning and clustering
-
مرور
Review
خلاصه
Summary
-
خلاصه دوره
Course Summary
منابع دوره
Course Resources
-
نوسازی دریاچه های داده و انبارهای داده با Google Cloud
Modernizing Data Lakes and Data Warehouses with Google Cloud
نمایش نظرات