آموزش مهندسی داده مبتنی بر هوش مصنوعی با Snowflake - آخرین آپدیت

دانلود AI-Powered Data Engineering with Snowflake

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تخصص عملی در مهندسی داده‌های مبتنی بر هوش مصنوعی را با استفاده از Snowflake، هوش مصنوعی مولد (Generative AI) و معماری مدرن داده‌های ابری کسب کنید. شما خواهید آموخت که مهندسان داده چگونه خط لوله‌های داده (Data Pipelines) هوشمندی را طراحی، ایجاد، بهبود و مدیریت می‌کنند که از تحلیل‌ها، برنامه‌های هوش مصنوعی و تصمیم‌گیری‌های سازمانی پشتیبانی می‌کند. شما با بررسی چشم‌انداز مدرن مهندسی داده، نقش هوش مصنوعی مولد و پلتفرم داده‌های ابری Snowflake شروع خواهید کرد. با استفاده از محیط GlobalMart، خط لوله‌های پایه را ساخته و از هوش مصنوعی برای درک مجموعه‌داده‌ها، تولید SQL، توضیح کدهای خط لوله، ارزیابی کیفیت داده‌ها و پشتیبانی از نگاشت طرح‌واره (Schema Mapping) استفاده می‌کنید. همچنین داده‌های چندمنبعی را از طریق لایه‌های برنزی (Bronze)، نقره‌ای (Silver) و طلایی (Gold) سازماندهی کرده و گردش‌های کاری قابل اعتماد برای تبدیل و مستندسازی ایجاد خواهید کرد. سپس به بررسی دسترسی هوشمند به داده‌ها با استفاده از Embeddings، جستجوی معنایی و تولید تقویت‌شده با بازیابی (RAG) خواهید پرداخت. شما داده‌های ساختاریافته و بدون ساختار را ترکیب کرده، یک دستیار RAG برای دانش داده‌ها می‌سازید و تحلیل‌های زبان طبیعی را بر روی داده‌های قابل اعتماد فعال می‌کنید. همچنین با پیاده‌سازی مدیریت خطا، منطق تلاش مجدد (Retry Logic)، ثبت وقایع (Logging)، مانیتورینگ، ارزیابی، حاکمیت داده، کنترل دسترسی و ارکستراسیون با Snowflake Tasks، خط لوله‌ها را برای محیط عملیاتی آماده می‌کنید. در پایان این دوره، شما قادر خواهید بود: - مفاهیم مدرن مهندسی داده و نقش هوش مصنوعی مولد را توضیح دهید. - خط لوله‌های داده را با استفاده از Snowflake ساخته و مدیریت کنید. - داده‌ها را با استفاده از معماری لایه‌های برنزی، نقره‌ای و طلایی سازماندهی کنید. - از هوش مصنوعی برای درک طرح‌واره، تبدیل، پروفایلینگ و بررسی‌های کیفی استفاده کنید. - با استفاده از هوش مصنوعی مولد، کدهای SQL و خط لوله را تولید و توضیح دهید. - گردش‌های کاری جستجوی معنایی و RAG را برای داده‌های سازمانی ایجاد کنید. - داده‌های ساختاریافته و بدون ساختار را برای تحلیل‌های هوشمند ترکیب کنید. - مانیتورینگ، حاکمیت، ارزیابی و ارکستراسیون گردش کار را پیاده‌سازی کنید. - یک راهکار مهندسی داده ارتقایافته با هوش مصنوعی و آماده برای محیط عملیاتی مستقر کنید. این دوره برای مهندسان داده آینده، تحلیلگران داده، متخصصان ابری، توسعه‌دهندگان نرم‌افزار و دانشجویانی که وارد حوزه داده می‌شوند طراحی شده است و شما را برای ساخت راهکارهای داده‌ای قابل اعتماد، مقیاس‌پذیر و هوشمند با استفاده از Snowflake و هوش مصنوعی مولد آماده می‌کند.

سرفصل ها و درس ها

مبانی مهندسی داده ارتقایافته با هوش مصنوعی Foundations of AI-Enhanced Data Engineering

  • معرفی دوره Course Introduction

  • چشم‌انداز مدرن مهندسی داده The Modern Data Engineering Landscape

  • راه‌اندازی Snowflake و محیط GlobalMart Setting Up Snowflake and the GlobalMart Environment

  • مفاهیم GenAI و معماری ارتقایافته با هوش مصنوعی GenAI Concepts & AI-Enhanced Architecture

  • ساخت یک خط لوله داده پایه در Snowflake Building a Basic Data Pipeline in Snowflake

  • استفاده از GenAI برای درک و توصیف داده‌ها Using GenAI to Understand and Describe Your Data

  • تبدیل زبان طبیعی به SQL در Snowflake Natural Language to SQL on Snowflake

  • پروفایلینگ داده‌ها و ارزیابی کیفیت به کمک هوش مصنوعی AI-Assisted Data Profiling and Quality Assessment

  • استفاده از هوش مصنوعی برای تولید و توضیح کدهای خط لوله Using AI to Generate and Explain Pipeline Code

جذب، تبدیل و کیفیت داده‌های ارتقایافته با هوش مصنوعی AI-Enhanced Data Ingestion, Transformation and Quality

  • الگوهای جذب داده و درک طرح‌واره به کمک هوش مصنوعی Data Ingestion Patterns & AI-Assisted Schema Understanding

  • جذب داده‌های چندمنبعی در لایه برنزی Ingesting Multi-Source Data into the Bronze Layer

  • طراحی ذخیره‌سازی پلتفرم داده ابری برای گردش‌های کاری GenAI Cloud Data Platform Storage Design for GenAI Workflows

  • نگاشت طرح‌واره و حل تعارضات به کمک هوش مصنوعی AI-Assisted Schema Mapping and Conflict Resolution

  • ساخت لایه نقره‌ای: جداول منتخب Building the Silver Layer - Curated Tables

  • تبدیل و کیفیت داده‌ها به کمک هوش مصنوعی AI-Assisted Data Transformation and Quality

  • بررسی‌های کیفیت داده به کمک هوش مصنوعی AI-Assisted Data Quality Checks

  • ساخت لایه طلایی و مستندسازی خودکار Building the Gold Layer and Automated Documentation

دسترسی هوشمند به داده‌ها با هوش مصنوعی مولد Intelligent Data Access with Generative AI

  • از خط لوله‌های داده تا دسترسی هوشمند به داده‌ها From Data Pipelines to Intelligent Data Access

  • جستجوی معنایی در مستندات داده‌ها Semantic Search Over Data Documentation

  • مفاهیم Embeddings و جستجوی معنایی برای مهندسان داده Embeddings & Semantic Search for Data Engineers

  • ساخت دستیار RAG برای دانش داده‌ها Building a RAG Assistant for Data Knowledge

  • سیستم RAG برای پلتفرم‌های داده: اتصال هوش مصنوعی به داده‌های قابل اعتماد RAG for Data Platforms - Grounding AI in Trusted Data

  • تحلیل زبان طبیعی روی لایه طلایی Natural Language Analytics on the Gold Layer

  • ترکیب دسترسی به داده‌های ساختاریافته و بدون ساختار Combining Structured and Unstructured Data Access

عملیات، حاکمیت و استقرار سازمانی Production, Governance, and Enterprise Deployment

  • عملیات محیط عملیاتی برای مهندسی داده ارتقایافته با هوش مصنوعی Production Operations for AI-Enhanced Data Engineering

  • مدیریت خطا، منطق تلاش مجدد، ثبت وقایع و مانیتورینگ Error Handling, Retry Logic, Logging and Monitoring

  • کیفیت، ارزیابی و حاکمیت برای خط لوله‌های هوش مصنوعی Quality, Evaluation, and Governance for AI Pipelines

  • ارکستراسیون خط لوله‌های ارتقایافته با Snowflake Tasks Orchestrating AI-Enhanced Pipelines with Snowflake Tasks

  • راه‌اندازی نهایی عملیاتی GlobalMart GlobalMart Production Go-Live

  • جمع‌بندی دوره Course Summary

نمایش نظرات

آموزش مهندسی داده مبتنی بر هوش مصنوعی با Snowflake
جزییات دوره
7h 26m
30
(آخرین آپدیت)
29
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده