آموزش SnowPro Advanced Data Analyst: Transformation and Modeling Data

دانلود SnowPro Advanced Data Analyst: Data Transformation and Modeling

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره، چرخه عمر کامل داده بارگیری، تمیز کردن، و بهینه سازی برای استفاده از راه حل های تحلیلی داده های عملکردی متصل به Snowflake را پوشش می دهد. در این دوره، SnowPro Advanced Data Analyst: Data Transformation and Modeling، شما توانایی بارگیری موثر، پرس و جو و بهینه سازی داده ها را برای هوش تجاری در Snowflake به دست خواهید آورد. ابتدا، بارگیری داده های Snowflake را بررسی خواهید کرد. در مرحله بعد، پاکسازی داده ها، پرس و جو و مدل سازی را کشف خواهید کرد. در نهایت، نحوه بهینه سازی و اشکال زدایی عملکرد SQL را در Snowflake خواهید آموخت. وقتی این دوره را تمام کردید، مهارت ها و دانش Snowflake را خواهید داشت که برای اینکه یک تحلیلگر داده موثر باشید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

بارگیری و تمیز کردن داده ها در Snowflake Loading and Cleaning Data in Snowflake

  • معرفی دوره Course Introduction

  • معرفی دوره Course Introduction

  • Snowflake ELT در مقابل ETL Snowflake ELT vs. ETL

  • Snowflake ELT در مقابل ETL Snowflake ELT vs. ETL

  • محاسبه هزینه ها و گزینه های بارگذاری داده ها Compute Costs and Data Loading Options

  • محاسبه هزینه ها و گزینه های بارگذاری داده ها Compute Costs and Data Loading Options

  • شبیه سازی و پاکسازی داده ها با کپی صفر Zero-copy Cloning and Data Cleansing

  • شبیه سازی و پاکسازی داده ها با کپی صفر Zero-copy Cloning and Data Cleansing

  • نسخه ی نمایشی: بارگیری داده ها در Snowflake Demo: Loading Data into Snowflake

  • نسخه ی نمایشی: بارگیری داده ها در Snowflake Demo: Loading Data into Snowflake

  • نسخه ی نمایشی: پاکسازی و تبدیل داده ها Demo: Data Cleansing and Transforming

  • نسخه ی نمایشی: پاکسازی و تبدیل داده ها Demo: Data Cleansing and Transforming

مدل سازی داده ها و بهینه سازی عملکرد در Snowflake Modeling Data and Optimizing Performance in Snowflake

  • مدل سازی داده ها و بهینه سازی عملکرد Modeling Data and Optimizing Performance

  • مدل سازی داده ها و بهینه سازی عملکرد Modeling Data and Optimizing Performance

  • توابع مجموع و تحلیلی Aggregate and Analytical Functions

  • توابع مجموع و تحلیلی Aggregate and Analytical Functions

  • طبقه بندی و غنی سازی داده ها Data Classification and Enrichment

  • طبقه بندی و غنی سازی داده ها Data Classification and Enrichment

  • تکنیک های بهینه سازی و عملکرد پرس و جو Optimization Techniques and Query Performance

  • تکنیک های بهینه سازی و عملکرد پرس و جو Optimization Techniques and Query Performance

  • تکنیک های مدل سازی داده ها Data Modeling Techniques

  • تکنیک های مدل سازی داده ها Data Modeling Techniques

  • نسخه ی نمایشی: استفاده و درک سفر در زمان Demo: Using and Understanding Time Travel

  • نسخه ی نمایشی: استفاده و درک سفر در زمان Demo: Using and Understanding Time Travel

  • نسخه ی نمایشی: پرس و جو و دستکاری داده های JSON Demo: Querying and Manipulating JSON Data

  • نسخه ی نمایشی: پرس و جو و دستکاری داده های JSON Demo: Querying and Manipulating JSON Data

  • نسخه ی نمایشی: عملکرد و بهینه سازی Demo: Performance and Optimization

  • نسخه ی نمایشی: عملکرد و بهینه سازی Demo: Performance and Optimization

نمایش نظرات

آموزش SnowPro Advanced Data Analyst: Transformation and Modeling Data
جزییات دوره
1h 13m
30
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
2
از 5
دارد
دارد
دارد
Ian Fogelman
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ian Fogelman Ian Fogelman

ایان یکی از علاقه مندان به پایگاه داده با تخصص خاصی در پشته داده مایکروسافت است. فن آوری های دیگری که ایان دارای تجربه سطح کارشناسی است شامل ETL، توسعه Python، معماری ابری و اتوماسیون سیستم ها است. ایان دارای گواهینامه Microsoft Certified Solutions Expert (MCSE) برای مدیریت داده ها و تجزیه و تحلیل و همچنین گواهینامه های AWS Solution Architect است. ایان همچنین برای چندین وبلاگ فنی از جمله SuperFunSQL.com که در سال 2019 تأسیس کرد، می نویسد.