لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مهندسی داده با Google BigQuery و Google Cloud
Data Engineering with Google BigQuery & Google Cloud
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
ایجاد خط لوله داده با BigQuery، Data Studio و سایر Google Cloud. تکنیکهای BigQuery sql را بیاموزید. Google BigQuery مقدمه ساخت خط لوله داده با استفاده از Google BigQuery از منابع مختلف (فایل، پایگاه داده، API، واسطه پیام) تکنیک ها و ابزارهای مختلف برای بارگذاری داده ها در Google BigQuery بررسی اجمالی پاکسازی و آماده سازی داده ها مروری بر تجسم داده ها با استفاده از Google Sheets و Data Studio پیش نیازها :آشنا با SQL اولیه (مانند SELECT، FROM، WHERE، GROUP BY، HAVING، ORDER BY) داشتن یک حساب Google
انبار داده مخزنی از دادههای تاریخی است که برای پاسخ به سؤالات، کسب بینش از دادهها و تصمیمگیری تجاری مورد پرسش قرار میگیرد. BigQuery محصول Google برای انبار داده است. این برای ذخیره و جستجوی ترابایت، حتی پتابایت داده بدون نیاز به راه اندازی و مدیریت زیرساخت طراحی شده است. این یک پایگاه داده تراکنشی برای عملیات روزانه نیست.
BigQuery از SQL استاندارد پشتیبانی می کند، بنابراین اگر با پایگاه داده رابطه ای مانند Oracle، PostgreSQL، MySQL، Microsoft SQL Server و غیره توسعه می دهید، به راحتی می توانید با BigQuery آشنا شوید. چند عملکرد BigQuery برای پشتیبانی از نیازهای امروزی وجود دارد، و یادگیری در مورد آنها کار شما را آسان تر می کند.
هیچ زیرساختی مورد نیاز نیست. ما نیازی به نگرانی در مورد اندازه فضای ذخیره سازی، تعداد پردازنده ها یا تخصیص حافظه برای درخواست پردازش نداریم. BigQuery به طور خودکار برای اجرای پرس و جو مقیاس می شود و پس از اتمام آن منبع را آزاد می کند. ما حتی برای تخصیص حافظه یا پردازنده هزینه ای دریافت نمی کنیم.
Google پایگاه داده نمونه را برای تمرین و آزمایش ارائه می دهد.
این دوره دارای چندین موضوع است:
یک مقدمه، جایی که خواهیم دید این دوره در مورد چه چیزی است
انبار داده چیست و BigQuery در کدام قسمت نقش دارد
چگونه میتوانیم یک خط لوله داده ساده ایجاد کنیم، از جمله ورودی داده، پاکسازی دادهها و تجسم دادهها
ابزارها و روشهایی که میتوانند برای مهندسی دادهها، بهویژه در انتقال دادهها از منابع مختلف به BigQuery استفاده شوند
تجسم دادهها با استفاده از استودیوی داده کاربرگنگار Google
این دوره برای افرادی است که دانش فنی پایه در SQL دارند.
این دوره آموزشی پایه SQL نیست، بنابراین معنای sql پایه مانند SELECT، FROM، WHERE، GROUP BY، ORDER BY را نمی آموزیم.
پیشنمایش فناوری فناوری را در این دوره برای کلمه کلیدی SQL ببینید که در مورد آن به تفصیل صحبت نمیکنیم
با این حال، ما همچنان برخی از نحو مدرن SQL را که می توان در BigQuery استفاده کرد، یاد خواهیم گرفت
در این دوره ما همچنین یاد خواهیم گرفت که چگونه داده ها را از چندین منبع واکشی کنیم، بنابراین اگر شما یک مهندس هستید که مسئولیت ایجاد خط لوله داده را بر عهده دارد، این دوره آموزشی خوبی است.
سرفصل ها و درس ها
معرفی
Introduction
به این دوره خوش آمدید
Welcome to This Course
چگونه از این دوره حداکثر ارزش را بدست آوریم
How To Get Maximum Value From This Course
ساختار و پوشش دوره
Course Structure & Coverage
فناوری در این دوره
Technology In This Course
معرفی Data Warehouse و BigQuery
Introducing Data Warehouse & BigQuery
پایگاه داده تحلیلی
Data Warehouse
با BigQuery شروع کنید
Start With BigQuery
رابط کاربری وب BigQuery
BigQuery Web User Interface
کاوش اول
First Exploration
داده اول
First Data
اکتشاف اساسی
Basic Exploration
کارکرد
Functions
انواع داده های رایج
Common Data Types
پرس و جو متفاوت؟
Different Query?
بررسی انواع داده های رایج
Exploring Common Data Types
تبدیل انواع داده ها
Converting Data Types
جریان داده پایه
Data Flow Basic
کیفیت داده
Data Quality
پاکسازی و تبدیل
Clean & Transform
ذخیره داده ها
Store Data
ارتقا از حساب Sandbox
Upgrading From Sandbox Account
پاکسازی و تبدیل با Dataprep
Clean & Transform With Dataprep
پرس و جو برنامه ریزی شده
Scheduled Query
تحلیل دادهها
Analyze Data
تجسم داده ها
Data Visualization
غواصی در BigQuery
Diving Into BigQuery
BigQuery ضروری
Essential BigQuery
بارگذاری داده ها در BigQuery (قسمت 1) - پایه
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) - بار کارآمد
Load Data Into BigQuery (Part 3) - Efficient Load
بارگذاری داده ها در BigQuery (قسمت 4) - از داده های شما به 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: نمای کلی کارگزار پیام
Tip : Message Broker Overview
بارگذاری داده ها در BigQuery (قسمت 6) - بارگذاری تکرارشونده
Load Data Into BigQuery (Part 6) - Recurring Load
داده های مجازی با استفاده از View
Virtual Data using View
نمای BigQuery
BigQuery View
تجسم داده ها
Data Visualization
آنچه ما یاد خواهیم گرفت
What We Will Learn
Google Sheets و BigQuery
Google Sheets & BigQuery
Google Data Studio
Google Data Studio
پرس و جو میانی
Intermediate Query
استفاده از Join - Theory
Using Join - Theory
استفاده از Join - Hands On
Using Join - Hands On
اتحاد و تقاطع
Union & Intersect
توابع آماری پایه
Basic Statistical Functions
منبع و مرجع
Resource & Reference
منبع و مرجع برای دوره (اسکریپت ها، پیوندها و غیره)
Resource & Reference for The Course (Scripts, Links, etc)
یودمی یکی از بزرگترین پلتفرمهای آموزشی آنلاین است که به میلیونها کاربر در سراسر جهان امکان دسترسی به دورههای متنوع و کاربردی را فراهم میکند. این پلتفرم امکان آموزش در زمینههای مختلف از فناوری اطلاعات و برنامهنویسی گرفته تا زبانهای خارجی، مدیریت، و هنر را به کاربران ارائه میدهد. با استفاده از یودمی، کاربران میتوانند به صورت انعطافپذیر و بهینه، مهارتهای جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.
یکی از ویژگیهای برجسته یودمی، کیفیت بالای دورهها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد میدهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و میتوانند به بهترین شکل ممکن از آموزشها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرمهای آموزشی آنلاین، به افراد امکان میدهد تا به راحتی و با کیفیت، مهارتهای مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.
نمایش نظرات