تسلط بر حس Qlik [ویدئو]

Mastering Qlik Sense [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: احتمالاً کارهای مبتدی را روی Qlik Sense انجام داده اید، بنابراین می دانید کار با این رابط چقدر آسان است. با این حال، همیشه بیشتر از آنچه در داشبورد Qlik Sense می بینیم وجود دارد. کار انجام شده توسط توسعه دهندگان در قسمت انتهایی نقش بسیار مهمی در ساخت داشبورد جذاب و با عملکرد خوب ایفا می کند. اگر مدل داده شما به درستی طراحی نشده باشد، نه تنها در عملکرد برنامه بلکه با کیفیت خروجی آن نیز با مشکلاتی مواجه خواهید شد. در این دوره، همه چیزهایی را که برای ایجاد یک مدل داده انجام می شود بررسی می کنیم تا بهینه ترین عملکرد را به شما ارائه دهیم، از جمله نحوه بارگیری داده ها از منابع داده های مختلف، رفع کلیدهای مصنوعی و سایر مسائل. همچنین موضوعاتی مانند ایجاد جداول پیوند، اسکریپت تقویم اصلی و اعمال تجزیه و تحلیل مجموعه در داده‌های شما گنجانده شده است. بنابراین، شما در ساختن داشبوردهایی که نه تنها از نظر بصری جذاب و دقیق هستند، بلکه بسیار آموزنده و امتیاز بزرگی برای تیم خود در حین گرفتن آن تصمیمات سخت تسلط خواهید داشت. اسکریپت های این دوره در Github در دسترس هستند - https://github.com/PacktPublishing/Mastering-Qlik-Sense-v- •در هنگام ایجاد داشبوردهایی با عملکرد سریع، وارد طرحواره‌های مدل‌سازی داده و اولویت‌های Qlik Sense شوید. •داده ها را از منابع داده های مختلف بارگیری کنید و از کانکتورهای مختلف موجود در Qlik Sense مطلع شوید • مشکلات دنیای واقعی را که با آن مواجه هستید، مانند کلیدهای مصنوعی در حین بارگیری داده‌های خود، برطرف کنید • داده ها را در جداول موجود تغییر دهید تا مقادیر مورد نیاز برای طراحی داشبورد خود را مطابق با الزامات تجاری به دست آورید •تغییر داده ها برای تولید ستون های جدید و دستیابی به نتایج دلخواه در داشبورد • کاربرد و مزایای گنجاندن بار قبلی و بارگذاری نقشه را در مدل داده خود بدانید • نگاهی به انواع مختلف اتصال بیندازید و از آنها برای بهینه سازی مدل های داده استفاده کنید • به اهمیت جدول پیوندها و نحوه ایجاد آنها پی ببرید تا بتوانید بینش بهتری دریافت کنید • بر اسکریپت تقویم و تغییراتی که می توانیم برای بدست آوردن فیلدهایی برای تجزیه و تحلیل جدول زمانی انجام دهیم، تسلط داشته باشیم این دوره برای متخصصان هوش تجاری و تحلیلگران داده است که می خواهند در استفاده از Qlik Sense متخصص شوند. اگر در گذشته به طور گسترده از QlikView استفاده کرده اید و به دنبال انتقال به Qlik Sense هستید، این دوره نیز به شما کمک خواهد کرد. یک ایده اساسی در مورد نحوه عملکرد Qlik Sense، معماری و ویژگی های آن تنها چیزی است که برای شروع با این دوره نیاز دارید. •آشنایی با قابلیت های اولیه و همچنین پیشرفته هوش تجاری Qlik Sense * •توسعه مدل های Qlik Sense (با استفاده از داده ها در فرمت های مختلف) که در بستر و همچنین در فضای ابری اجرا می شوند * •برنامه های Qlik Sense خود را برای حداکثر کارایی مدیریت کنید و قابلیت اطمینان *

سرفصل ها و درس ها

Qlik Sense: Going Beyond Essentials Qlik Sense: Going Beyond Essentials

  • بررسی اجمالی دوره Course Overview

  • چه چیزی در Qlik Sense جدید است؟ What’s New in Qlik Sense?

  • درک طرحواره ها Understanding the Schemas

  • هدف ما: مدل داده Our Objective: The Data Model

بارگیری داده ها در Qlik Sense Loading data in Qlik Sense

  • مقدمه ای بر Data Load Editor Introduction to Data Load Editor

  • بارگیری داده ها در Qlik Sense Loading Data in Qlik Sense

  • تبدیل داده چیست؟ What is Data Transformation?

کلیدهای مصنوعی: مسائل و راه حل های رایج Synthetic Keys: Common Issues and Solutions

  • در حال بارگذاری جداول ابعاد Loading Dimension Tables

  • کلیدهای مصنوعی: مشکلات ناشی از آنها Synthetic Keys: Problems Arising from Them

  • کلیدهای مصنوعی: انتخاب راه حلی که برای شما کار می کند Synthetic Keys: Choosing a Solution That Works for You

  • کلیدهای مصنوعی: تأثیر بر داشبورد شما Synthetic Keys: Impact on Your Dashboard

اشکال زدایی مسائل رایج پیرامون مراجع دایره ای Debugging Common Issues around Circular References

  • بارگذاری داده ها: مثال پایگاه داده Loading Data: Database Example

  • بارگیری داده ها از سایر فایل های داده Loading Data from Other Data Files

  • مرجع دایره ای چه تأثیری دارد؟ What Impact Does Circular Reference Have?

  • حل و فصل مراجع دایره ای Resolving Circular References

  • تاثیر مراجع دایره ای بر روی داشبورد Impact of the Circular References on the Dashboard

انجام کارهای بیشتر با داده های خود Doing More with Your data

  • استفاده از بند Where برای فیلتر کردن داده ها Using the Where Clause to Filter Data

  • استفاده از Resident Load برای دستکاری داده ها Using Resident Load to Manipulate Data

  • استفاده از Where Exists برای مقایسه Using Where Exists for comparisons

  • اضافه کردن شمارنده در صورت نیاز Adding Counters When Needed

استفاده از جداول نقشه برداری و بارگذاری قبلی Using Mapping Tables and Preceding Load

  • بار نقشه برداری Mapping Load

  • بار قبلی Preceding Load

بهینه سازی مدل داده با اتصالات Optimizing Data Model with Joins

  • معرفی Joins Introduction of Joins

  • استفاده از Joins Using Joins

  • الحاق در Qlik Sense Concatenation in Qlik Sense

  • الحاق خودکار در Qlik Sense Auto- Concatenation in Qlik Sense

  • الحاق اجباری در حس Qlik Forced Concatenation in Qlik Sense

عملکرد کلاس و جداول پیوند Class Function and Link Tables

  • گروه بندی داده ها با استفاده از تابع کلاس Grouping Data Using Class Function

  • نحوه استفاده از تابع کلاس How To Use the Class Function

  • پیوند جداول در Qlik Sense Link Tables in Qlik Sense

استفاده بهینه از تقویم اصلی Making the Most of Master Calendar

  • تقویم اصلی Master Calendar

  • تقویم اصلی MinMaxDate Master Calendar MinMaxDate

  • تقویم اصلی - اسکریپت نهایی Master Calendar –Final Script

  • تقویم اصلی – نمونه داشبورد Master Calendar – Dashboard Example

اعمال تجزیه و تحلیل مجموعه و دسترسی بخش Applying Set Analysis and Section Access

  • مقدمه ای برای تجزیه و تحلیل مجموعه ها Introduction To Set Analysis

  • تجزیه و تحلیل مجموعه چگونه کار می کند How Does Set Analysis Work

  • بخش دسترسی Section Access

  • بخش دسترسی به اسکریپت Section Access Script

  • حرکت از اینجا... Moving on From Here...

نمایش نظرات

تسلط بر حس Qlik [ویدئو]
جزییات دوره
3 h 43 m
39
Packtpub Packtpub
(آخرین آپدیت)
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

James Cross James Cross

کولیبری یک شرکت مشاوره فناوری است که در سال 2015 توسط جیمز کراس و اینگرید فونی تاسیس شد. این شرکت با تخصص عمیق در زمینه هایی مانند کلان داده، علم داده، یادگیری ماشین و محاسبات ابری، به مشتریان خود کمک می کند تا در دنیای به سرعت در حال تغییر و پیچیده فناوری های نوظهور حرکت کنند. در چند سال گذشته، آنها با برخی از بزرگترین و معتبرترین شرکت های جهان، از جمله بانک سرمایه گذاری ردیف 1، یک گروه مشاوره مدیریت پیشرو، و یکی از محبوب ترین شرکت های نوشابه در جهان کار کرده اند و به هر یک از آنها کمک کرده اند تا داده های آن را بهتر درک کرده و آن ها را به روش های هوشمندانه تری پردازش کنید. این شرکت با شعار خود زندگی می کند: داده -> هوش -> عمل. جیمز کراس یک مهندس داده بزرگ و معمار راه حل های AWS دارای گواهینامه است که علاقه زیادی به برنامه های کاربردی داده محور دارد. او 3 تا 5 سال گذشته را صرف کمک به مشتریان خود برای طراحی و پیاده‌سازی پلتفرم‌های کلان داده در مقیاس عظیم، استریم، پشته‌های تحلیلی مبتنی بر ابر و معماری‌های بدون سرور کرده است. او کار حرفه‌ای خود را در بانکداری سرمایه‌گذاری، با کار با فناوری‌های جاافتاده مانند جاوا و SQL Server، قبل از ورود به فضای Big Data آغاز کرد. از آن زمان او با طیف وسیعی از ابزارهای کلان داده از جمله اکثر اکو سیستم Hadoop، Spark و بسیاری از فناوری‌های No-SQL مانند Cassandra، MongoDB، Redis و DynamoDB کار کرده است. اخیراً تمرکز او بر روی فناوری‌های ابری و نحوه استفاده از آن‌ها در تجزیه و تحلیل داده‌ها بوده است که در کار او در Scout Solutions به عنوان CTO و اخیراً با Mckinsey به اوج خود رسیده است. جیمز یک معمار راه حل های دارای گواهینامه AWS با چندین سال تجربه در طراحی و اجرای راه حل ها در این پلت فرم ابری است. او به‌عنوان مدیر ارشد فناوری Scout Solutions Ltd، مجموعه‌ای کاملاً بدون سرور از APIها و یک پشته تحلیلی مبتنی بر Lambda و Redshift ساخت.

James Cross James Cross

کولیبری یک شرکت مشاوره فناوری است که در سال 2015 توسط جیمز کراس و اینگرید فونی تاسیس شد. این شرکت با تخصص عمیق در زمینه هایی مانند کلان داده، علم داده، یادگیری ماشین و محاسبات ابری، به مشتریان خود کمک می کند تا در دنیای به سرعت در حال تغییر و پیچیده فناوری های نوظهور حرکت کنند. در چند سال گذشته، آنها با برخی از بزرگترین و معتبرترین شرکت های جهان، از جمله بانک سرمایه گذاری ردیف 1، یک گروه مشاوره مدیریت پیشرو، و یکی از محبوب ترین شرکت های نوشابه در جهان کار کرده اند و به هر یک از آنها کمک کرده اند تا داده های آن را بهتر درک کرده و آن ها را به روش های هوشمندانه تری پردازش کنید. این شرکت با شعار خود زندگی می کند: داده -> هوش -> عمل. جیمز کراس یک مهندس داده بزرگ و معمار راه حل های AWS دارای گواهینامه است که علاقه زیادی به برنامه های کاربردی داده محور دارد. او 3 تا 5 سال گذشته را صرف کمک به مشتریان خود برای طراحی و پیاده‌سازی پلتفرم‌های کلان داده در مقیاس عظیم، استریم، پشته‌های تحلیلی مبتنی بر ابر و معماری‌های بدون سرور کرده است. او کار حرفه‌ای خود را در بانکداری سرمایه‌گذاری، با کار با فناوری‌های جاافتاده مانند جاوا و SQL Server، قبل از ورود به فضای Big Data آغاز کرد. از آن زمان او با طیف وسیعی از ابزارهای کلان داده از جمله اکثر اکو سیستم Hadoop، Spark و بسیاری از فناوری‌های No-SQL مانند Cassandra، MongoDB، Redis و DynamoDB کار کرده است. اخیراً تمرکز او بر روی فناوری‌های ابری و نحوه استفاده از آن‌ها در تجزیه و تحلیل داده‌ها بوده است که در کار او در Scout Solutions به عنوان CTO و اخیراً با Mckinsey به اوج خود رسیده است. جیمز یک معمار راه حل های دارای گواهینامه AWS با چندین سال تجربه در طراحی و اجرای راه حل ها در این پلت فرم ابری است. او به‌عنوان مدیر ارشد فناوری Scout Solutions Ltd، مجموعه‌ای کاملاً بدون سرور از APIها و یک پشته تحلیلی مبتنی بر Lambda و Redshift ساخت.