مهندسی تحلیل پیشرفته: تمرین‌های کاربردی در دنیای واقعی - آخرین آپدیت

دانلود Advanced Analytics Engineering: Real-World Practice

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره به مهندسان کمک می‌کند تا سطح جدیدی از تخصص را در حرفه خود کسب کنند. مدرس دوره، کانر دیکسون، به شما آموزش می‌دهد که چگونه با موضوعاتی که حتی بهترین مهندسان را به چالش می‌کشد، مانند داده‌های بدون ساختار (unstructured)، داده‌های آرایه‌ای و نحوه مدیریت داده‌های مشکل‌ساز، مقابله کنید. علاوه بر این، مهارت‌هایی را می‌آموزید که شما را از دیگران متمایز می‌کند، مانند توانایی اتخاذ تصمیمات سخت در مورد زیرساخت و داده‌ها و فرآیندهای ارتباطی موثر.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه‌ای بر مهندسی تحلیل پیشرفته Introduction to advanced analytics engineering

  • آشنایی با GitHub Codespaces GitHub Codespaces introduction

  • آشنایی با CoderPad Introduction to CoderPad

1. شمای پایگاه داده 1. Database Schema

  • شمای Snowflake Snowflake schema

  • شمای ستاره‌ای (Star schema) Star schema

  • شمای پایگاه داده چیست؟ What are database schema?

  • شمای رابطه‌ای Relational schema

  • شمای تخت (Flat schema) Flat schema

2. تمرین‌های پیشرفته SQL 2. Advanced SQL Practice

  • راهکار: تحلیل داده‌های سری زمانی با پایتون Solution: Time series data analysis with Python

  • به‌روزرسانی جداول پایگاه داده Updating database tables

  • عبارات جدولی مشترک بازگشتی (Recursive CTEs) و زمان استفاده از آن‌ها Recursive common table expressions (CTEs) and when to use them

  • بهبود عملکرد کوئری‌ها با ایندکس‌گذاری جداول Improving query performance by indexing tables

  • توابع پنجره‌ای (Window functions) Window functions

  • تکنیک‌های پیشرفته SQL Advanced SQL techniques

3. داده‌های پیچیده و مشکل‌ساز 3. Complex and Problematic Data

  • راهکار: ایجاد تست برای داده‌ها با SQL Solution: Create tests for data with SQL

  • داده‌های سری زمانی Time series data

  • راهکار: ایجاد تست برای داده‌ها با پایتون Solution: Create tests for data with Python

  • فایل‌های XML و کاربردهای آن‌ها XMLs and their uses

  • مدیریت داده‌های مفقود (Missing Data) در SQL Dealing with missing data in SQL

  • کار با فایل‌ها و فیلدهای JSON Working with JSON files and fields

  • چالش‌های رایج در مهندسی تحلیل Common stumbling blocks in analytics engineering

4. تصمیم‌گیری در مهندسی تحلیل 4. Decision-Making in Analytics Engineering

  • رسیدن به ریشه مشکل Getting to the root of the problem

  • مقدمه‌ای بر تصمیم‌گیری Decision-making introduction

  • برنامه‌ریزی پروژه‌های داده Planning data projects

  • بررسی و تحلیل داده‌ها Investigating the data

  • جلوگیری از بدهی فنی (Tech Debt) Avoiding tech debt

5. حفاظت از داده‌ها 5. Protecting Data

  • حفاظت از پایگاه داده شما Protecting your database

  • مدیریت داده‌های حساس Handling sensitive data

  • رمزنگاری داده‌ها برای امنیت بیشتر Encrypting data for protection

  • چرا باید داده‌ها را محافظت و رمزنگاری کرد؟ Why protect and encrypt data?

  • ملاحظات قانونی و اخلاقی Legal and ethical considerations

6. بهترین روش‌های ارتباطی 6. Communication Best Practices

  • تعامل با ذینفعان (Stakeholders) Working with stakeholders

  • دیکشنری داده‌ها Data dictionaries

  • نقش ارتباطات در تسهیل مهندسی تحلیل Communication facilitates analytics engineering

  • مدیریت پروژه برای مهندسی تحلیل Project management for analytics engineering

  • رهبری تیم‌های مهندسی تحلیل Leading analytics engineering teams

جمع‌بندی Conclusion

  • مروری کوتاه بر مباحث پوشش داده شده Brief overview of topics covered

  • گام‌های بعدی چه خواهد بود What to do next

نمایش نظرات

مهندسی تحلیل پیشرفته: تمرین‌های کاربردی در دنیای واقعی
جزییات دوره
2h 42m
38
(آخرین آپدیت)
1,381
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Connor Dickson Connor Dickson

کانر دیکسون یک متخصص داده است که بینش هایی را در زمینه مهندسی داده، علم و تجزیه و تحلیل تولید می کند.

کانر یک مهندس تجزیه و تحلیل در بخش فناوری است، جایی که مدل های داده را برای استفاده در گزارش، تجسم و علم داده ساخته است. تجربه او شامل انبار کردن داده ها، پرس و جوی پیچیده پایگاه داده، نوشتن و نگهداری رویه های ذخیره شده، تجزیه و تحلیل داده ها، ایجاد تجسم، ساختن ETL و ساخت مدل های یادگیری علم داده/ماشین است. او به متخصصان داده های جدید و با تجربه کمک می کند تا از طریق محتوای آموزنده و کمدی درباره تجزیه و تحلیل بیاموزند.