🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مهندسی داده با Google BigQuery و Google Cloud
- آخرین آپدیت
دانلود Data Engineering with Google BigQuery & Google Cloud
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
ساخت پایپلاین داده با BigQuery، Data Studio و سایر خدمات Google Cloud
یادگیری مبانی SQL در BigQuery و تکنیکهای مرتبط
معرفی Google BigQuery
ساخت پایپلاین داده با استفاده از Google BigQuery از منابع مختلف (فایل، پایگاه داده، API، کارگزار پیام)
تکنیکها و ابزارهای مختلف برای بارگذاری داده در Google BigQuery
مروری بر پاکسازی و آمادهسازی دادهها
مروری بر تجسم دادهها با استفاده از Google Sheets و Data Studio
پیشنیازها
آشنایی با SQL پایه (مانند SELECT, FROM, WHERE, GROUP BY, HAVING, ORDER BY)
داشتن حساب Google
یک انبار داده (Data Warehouse) مخزنی از دادههای تاریخی است که برای پاسخ به سوالات، کسب اطلاعات از دادهها و تصمیمگیریهای تجاری مورد استفاده قرار میگیرد. BigQuery محصول Google برای انبار داده است. این سرویس برای ذخیره و پرسوجوی ترابایتها، حتی پتابایتها داده طراحی شده است، بدون اینکه نیازی به راهاندازی و مدیریت زیرساخت داشته باشید. BigQuery یک پایگاه داده تراکنشی برای عملیات روزانه نیست.
BigQuery از SQL استاندارد پشتیبانی میکند، بنابراین اگر با پایگاه دادههای رابطهای مانند Oracle، PostgreSQL، MySQL، Microsoft SQL Server و غیره توسعه دادهاید، به راحتی میتوانید با BigQuery آشنا شوید. چند تابع BigQuery برای پشتیبانی از نیازهای امروزی وجود دارد و یادگیری آنها کار شما را آسانتر میکند.
هیچ زیرساختی مورد نیاز نیست. ما نیازی به نگرانی در مورد اندازه ذخیرهسازی، تعداد پردازندهها یا تخصیص حافظه برای پردازش پرسوجو نداریم. BigQuery بهطور خودکار مقیاس میشود تا پرسوجو را اجرا کند و سپس منابع را پس از اتمام کار آزاد میکند. ما حتی برای تخصیص حافظه یا پردازنده هزینهای پرداخت نمیکنیم.
Google نمونه پایگاه دادههایی را برای تمرین و آزمایش ارائه میدهد.
آنچه در این دوره خواهید آموخت
معرفی دوره
درباره Data Warehouse و نقش BigQuery در آن
نحوه ایجاد یک پایپلاین داده ساده، شامل ورودی داده، پاکسازی داده و تجسم داده
ابزارها و روشهایی که میتوان برای مهندسی داده، بهویژه در مورد جمعآوری دادهها از منابع مختلف به BigQuery استفاده کرد
تجسم داده با استفاده از Google Sheets و Data Studio
این دوره برای افرادی است که دانش فنی پایه در مورد SQL دارند.
این دوره دوره SQL پایه نیست، بنابراین ما معنی SQL پایه مانند SELECT, FROM, WHERE, GROUP BY, ORDER BY را یاد نخواهیم گرفت.
ویدئوی پیشنمایش "فناوریهای این دوره" را برای کلمات کلیدی SQL که بهطور مفصل مورد بحث قرار نخواهند گرفت، مشاهده کنید.
با این حال، ما همچنان برخی از سینتکسهای SQL مدرن را که میتوانند در BigQuery استفاده شوند، یاد خواهیم گرفت.
در این دوره همچنین یاد خواهیم گرفت که چگونه دادهها را از چندین منبع واکشی کنیم، بنابراین این یک دوره خوب است اگر شما مهندسی هستید که مسئول ایجاد پایپلاین داده هستید.
سرفصل ها و درس ها
مقدمه
Introduction
به این دوره خوش آمدید
Welcome to This Course
چگونه بیشترین ارزش را از این دوره بدست آورید
How To Get Maximum Value From This Course
ساختار و پوشش دوره
Course Structure & Coverage
فناوری در این دوره
Technology In This Course
معرفی انبار داده و BigQuery
Introducing Data Warehouse & BigQuery
انبار داده
Data Warehouse
شروع با BigQuery
Start With BigQuery
رابط کاربری وب BigQuery
BigQuery Web User Interface
اولین کاوش
First Exploration
اولین داده
First Data
کاوش اولیه
Basic Exploration
توابع
Functions
انواع داده های رایج
Common Data Types
کویری متفاوت؟
Different Query?
کاوش انواع داده های رایج
Exploring Common Data Types
تبدیل انواع داده
Converting Data Types
جریان داده پایه
Data Flow Basic
کیفیت داده
Data Quality
پاکسازی و تبدیل
Clean & Transform
ذخیره داده
Store Data
ارتقا از حساب Sandbox
Upgrading From Sandbox Account
پاکسازی و تبدیل با Dataprep
Clean & Transform With Dataprep
پرس و جوی زمانبندی شده
Scheduled Query
تجزیه و تحلیل داده
Analyze Data
تصویرسازی داده
Data Visualization
شیرجه رفتن به BigQuery
Diving Into BigQuery
BigQuery ضروری
Essential BigQuery
بارگذاری داده ها در BigQuery (قسمت 1) - مقدماتی
Load Data Into BigQuery (Part 1) - The Basic
نکته: داده های ساختگی
Tip : Mock Data
بارگذاری داده ها در BigQuery (قسمت 2) - مدیریت خطاها
Load Data Into BigQuery (Part 2) - Handling Errors
بارگذاری داده ها در BigQuery (قسمت 3) - بارگذاری کارآمد
Load Data Into BigQuery (Part 3) - Efficient Load
بارگذاری داده ها در BigQuery (قسمت 4) - از داده های شما تا BigQuery
Load Data Into BigQuery (Part 4) - From Your Data to BigQuery
بارگذاری داده ها در BigQuery (قسمت 5) - در معماری Microservice
Load Data Into BigQuery (Part 5) - In Microservice Architecture
نکته: مروری بر Message Broker
Tip : Message Broker Overview
بارگذاری داده ها در BigQuery (قسمت 6) - بارگذاری دوره ای
Load Data Into BigQuery (Part 6) - Recurring Load
داده های مجازی با استفاده از View
Virtual Data using View
BigQuery View
BigQuery View
تصویرسازی داده
Data Visualization
آنچه یاد خواهیم گرفت
What We Will Learn
Google Sheets و BigQuery
Google Sheets & BigQuery
Google Data Studio
Google Data Studio
پرس و جوی میانی
Intermediate Query
استفاده از Join - تئوری
Using Join - Theory
استفاده از Join - عملی
Using Join - Hands On
Union و Intersect
Union & Intersect
توابع آماری پایه
Basic Statistical Functions
منبع و مرجع
Resource & Reference
منبع و مرجع برای دوره (اسکریپت ها، لینک ها و غیره)
Resource & Reference for The Course (Scripts, Links, etc)
نمایش نظرات