لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
نمایش نظرات