دوره جامع مهندسی داده در AWS - آموزش کامل [ویدئویی] - آخرین آپدیت

دانلود Data Engineering on AWS - The Complete Training [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره با پی‌ریزی مبانی تحلیل داده و معرفی سرویس‌های مهندسی داده AWS آغاز می‌شود. شما با AWS Glue شروع خواهید کرد و یاد می‌گیرید که چگونه با استفاده از جریان‌های کاری (Workflows)، نشانگرهای شغلی (Job Bookmarks) و بررسی‌های کیفی، داده‌ها را کاتالوگ، تبدیل و مدیریت کنید و سپس با Glue Databrew به آماده‌سازی بصری داده‌ها بپردازید. در ادامه، وارد حوزه انبار داده با Amazon Redshift می‌شوید و از ایجاد کلاستر تا استقرار بدون سرور (Serverless) و بهینه‌سازی عملکرد را می‌آموزید. با پیشروی در مسیر، تمرکز بر پردازش داده‌های بلادرنگ با Amazon Kinesis و MSK معطوف می‌شود که مدیریت استریم، برنامه‌های Flink و یکپارچه‌سازی Kafka را پوشش می‌دهد. سپس پردازش داده‌های حجیم (Big Data) را با استفاده از Amazon EMR بررسی کرده و مفاهیمی چون MapReduce، Spark و اجرای مقرون‌به‌صرفه بدون سرور را درک خواهید کرد. این دوره شما را در ساخت دریاچه‌های داده (Data Lakes) با استفاده از AWS Lake Formation و پرس‌وجوی بهینه آن‌ها با Amazon Athena راهنمایی می‌کند. در مراحل نهایی، داده‌ها را با Amazon QuickSight بصری‌سازی کرده و خط لوله‌های داده (Pipelines) را از طریق Step Functions و AppFlow سازماندهی می‌کنید. همچنین تجربه‌ای در زمینه ابزارهای مهاجرت داده AWS مانند DMS و DataSync کسب خواهید کرد. دوره با بررسی سرویس‌های گسترده‌تری از جمله Lambda، S3، EC2 و DynamoDB به پایان می‌رسد تا شما را قادر سازد پلتفرم‌های داده‌ای کامل و مقیاس‌پذیر را در فضای ابری طراحی و مدیریت کنید. - ساخت خط لوله‌های ETL با استفاده از AWS Glue و Databrew - استقرار و بهینه‌سازی کلاسترهای Amazon Redshift - استریم و پردازش داده‌ها با Kinesis و MSK - اجرای پردازش‌های Big Data با Amazon EMR و Spark - ایجاد و مدیریت دریاچه‌های داده امن در AWS - بصری‌سازی و پرس‌وجوی داده‌ها با Athena و QuickSight این دوره برای مهندسان داده آینده، مهندسان ابری و توسعه‌دهندگانی طراحی شده است که می‌خواهند تخصص خود را در معماری داده‌های مبتنی بر AWS تعمیق بخشند. پیش‌نیازها شامل دانش پایه در زمینه رایانش ابری، پایگاه داده و برنامه‌نویسی (ترجیحاً پایتون یا SQL) است. آشنایی با سرویس‌های AWS مفید است اما اجباری نیست. - پوشش جامع ابزارها و سرویس‌های مهندسی داده AWS - ساخت خط لوله‌های واقعی برای پردازش‌های دسته‌ای (Batch)، استریم و داده‌های حجیم - یکپارچه‌سازی جریان‌های تحلیل، ارکستراسیون و مهاجرت در AWS

سرفصل ها و درس ها

مقدمه: داده‌ها نفت جدید هستند Introduction: Data Is the New Oil

  • مقدمه Introduction

آشنایی با مدرس Know Your Trainer

  • آشنایی با مدرس Know Your Trainer

شروع کار با تحلیل داده‌ها Getting Started with Data Analytics

  • مهندسی داده در AWS Data Engineering on AWS

  • اصطلاحات پایه Basic Terminologies

AWS Glue: کاتالوگ و پردازش داده‌ها AWS Glue: Catalog and Process Your Data

  • کاتالوگ داده Glue Glue Data Catalog

  • Glue ETL: بخش اول Glue ETL: Part 1

  • Glue ETL: بخش دوم Glue ETL: Part 2

  • Glue ETL: بخش سوم Glue ETL: Part 3

  • جریان‌های کاری (Workflows) Workflows

  • نشانگر شغلی (Job Bookmark) Job Bookmark

  • نوع اجرا Execution Type

  • کیفیت داده: بخش اول Data Quality: Part 1

  • کیفیت داده: بخش دوم Data Quality: Part 2

  • Glue DataBrew Glue DataBrew

  • ویژگی‌های اضافی Additional Features

Amazon Redshift: انبار داده در AWS Amazon Redshift: A Data Warehouse in AWS

  • Amazon Redshift Amazon Redshift

  • معماری Architecture

  • ایجاد یک کلاستر Creating a Cluster

  • ویرایشگر پرس‌وجو v2 Query Editor v2

  • استایل‌های توزیع Distribution Styles

  • عملیات کلاستر Cluster Operations

  • API داده‌ها Data API

  • Redshift Spectrum Redshift Spectrum

  • Redshift Serverless: بخش اول Redshift Serverless: Part 1

  • Redshift Serverless: بخش دوم Redshift Serverless: Part 2

  • نماهای متریالیزه شده (Materialized Views) Materialized Views

  • WLM و هم‌روندی (Concurrency) WLM and Concurrency

  • اشتراک داده (DataShare) DataShare

  • اطلاعات تکمیلی Additional Information

پردازش داده‌های استریم در Amazon Kinesis و Amazon MSK Processing Streaming Data on Amazon Kinesis and Amazon MSK

  • داده‌های استریم چیست؟ What Is Streaming Data?

  • سرویس‌های استریم در AWS Streaming Services in AWS

  • خانواده Amazon Kinesis Amazon Kinesis Family

  • Amazon Kinesis Data Streams Amazon Kinesis Data Streams

  • حالت ظرفیت (Capacity Mode) Capacity Mode

  • تکرارکننده‌های شارد (Shard Iterators) Shard Iterators

  • تولیدکننده داده‌های Kinesis Kinesis Data Generator

  • تولیدکنندگان استریم داده Data Stream Producers

  • مصرف‌کننده استریم داده Data Stream Consumer

  • توزیع پیشرفته (Enhanced Fan Out) Enhanced Fan-Out

  • Amazon Kinesis Firehose Amazon Kinesis Firehose

  • پارتیشن‌بندی پویا Dynamic Partitioning

  • مقایسه Data Stream و Data Firehose Data Stream vs. Data Firehose

  • سرویس مدیریت شده برای Apache Flink Managed Service for Apache Flink

  • برنامه Flink Flink Application

  • Flink Studio Flink Studio

  • Apache Kafka Apache Kafka

  • سرویس مدیریت شده AWS برای Kafka Amazon Managed Service for Kafka

  • کلاستر MSK MSK Cluster

  • تاپیک‌های Kafka Kafka Topic

  • ارسال و دریافت پیام‌ها Send and Receive Messages

  • Amazon MSK Serverless Amazon MSK Serverless

  • مقایسه MSK Provisioned و Serverless MSK Provisioned vs. Serverless

  • Amazon MSK Connect Amazon MSK Connect

  • مقایسه Amazon Kinesis و Amazon MSK Amazon Kinesis vs. Amazon MSK

اجرای پردازش‌های Big Data در Amazon EMR Running Big Data Workloads on Amazon EMR

  • داده‌های حجیم (Big Data) چیست؟ What Is Big Data?

  • MapReduce MapReduce

  • اکوسیستم Big Data Big Data Ecosystem

  • Amazon EMR Amazon EMR

  • ذخیره‌سازی برای EMR Storage for EMR

  • ایجاد کلاستر EMR: بخش اول Creating EMR Cluster: Part 1

  • ایجاد کلاستر EMR: بخش دوم Creating EMR Cluster: Part 2

  • مهاجرت Migration

  • Amazon EMR Serverless Amazon EMR Serverless

  • بهینه‌سازی هزینه Cost Optimization

ساخت دریاچه‌های داده در AWS Building Data Lakes on AWS

  • دریاچه داده (Data Lake) چیست؟ What Is a Data Lake?

  • انبار داده در مقابل دریاچه داده Data Warehouse vs. Data Lake

  • AWS Lake Formation AWS Lake Formation

  • چگونه کار می‌کند؟ How It Works?

  • راه‌اندازی دریاچه داده: بخش اول Setting Up a Data Lake: Part 1

  • راه‌اندازی دریاچه داده: بخش دوم Setting Up a Data Lake: Part 2

  • مجوزهای دریاچه داده Data Lake Permissions

  • مجوزهای مبتنی بر تگ Tag-Based Permissions

  • فرمت‌های جدول باز (Open Table Formats) Open Table Formats

پرس‌وجوی داده‌ها با استفاده از Amazon Athena Query Your Data Using Amazon Athena

  • چرا از Amazon Athena استفاده کنیم؟ Why Use Amazon Athena?

  • چگونه کار می‌کند؟ How It Works?

  • بهینه‌سازی پرس‌وجوها در Athena: بخش اول Optimizing Queries in Athena: Part 1

  • بهینه‌سازی پرس‌وجوها در Athena: بخش دوم Optimizing Queries in Athena: Part 2

  • گروه‌های کاری (Workgroups) Workgroups

  • پرس‌وجوی فدرال: بخش اول Federated Query: Part 1

  • پرس‌وجوی فدرال: بخش دوم Federated Query: Part 2

بصری‌سازی داده‌ها با استفاده از Amazon QuickSight Visualize Your Data Using Amazon QuickSight

  • بصری‌سازی داده‌ها Data Visualization

  • شروع به کار Getting Started

  • یکپارچه‌سازی با Amazon Athena Integration with Amazon Athena

ارکستراسیون خط لوله داده‌ها Orchestrating Your Data Pipeline

  • ارکستراسیون خط لوله داده‌ها Orchestrating Your Data Pipeline

  • کدام یک را انتخاب کنیم؟ Which One to Choose?

  • Amazon AppFlow Amazon AppFlow

  • AWS Data Exchange AWS Data Exchange

  • AWS Step Functions: بخش اول AWS Step Functions: Part 1

  • AWS Step Functions: بخش دوم AWS Step Functions: Part 2

  • AWS Step Functions: بخش سوم AWS Step Functions: Part 3

سرویس‌های مهاجرت داده در AWS Data Migration Services in AWS

  • نکته‌ای پیش از شروع A Note Before You Proceed

  • مهاجرت پایگاه‌های داده به AWS Migrating Your Databases to AWS

  • AWS DMS: بخش اول AWS DMS: Part 1

  • AWS DMS: بخش دوم AWS DMS: Part 2

  • AWS DMS: بخش سوم AWS DMS: Part 3

  • مهاجرت داده‌ها به AWS Migrating Your Data to AWS

  • AWS DataSync: بخش اول AWS DataSync: Part 1

  • AWS DataSync: بخش دوم AWS DataSync: Part 2

  • AWS Transfer Family: بخش اول AWS Transfer Family: Part 1

  • AWS Transfer Family: بخش دوم AWS Transfer Family: Part 2

  • AWS Snow Family AWS Snow Family

فراتر از سرویس‌های تحلیل AWS Going Beyond AWS Analytics Services

  • نکته‌ای پیش از شروع A Note Before You Proceed

  • AWS Lambda: ویژگی‌های مهم AWS Lambda: Important Features

  • AWS Lambda: هم‌روندی (Concurrency) AWS Lambda: Concurrency

  • AWS Lambda: لایه‌ها (Layers) AWS Lambda: Layers

  • AWS Lambda: اتصال VPC AWS Lambda: VPC Connectivity

  • AWS Lambda: مجوزها AWS Lambda: Permissions

  • Amazon S3: رمزنگاری Amazon S3: Encryption

  • Amazon S3: سطوح ذخیره‌سازی Glacier Amazon S3: Glacier Storage Tiers

  • Amazon S3: اعلان‌های رویداد Amazon S3: Events Notification

  • Amazon S3: سیاست‌های چرخه عمر Amazon S3: Lifecycle Policies

  • Amazon S3: لایه هوشمند (Intelligent Tier) Amazon S3: Intelligent Tier

  • Amazon S3: Select Amazon S3: Select

  • Amazon S3: Object Lambda Amazon S3: Object Lambda

  • Amazon EC2: EBS Volumes Amazon EC2: EBS Volumes

  • Amazon RDS: بینش‌های عملکرد (Performance Insights) Amazon RDS: Performance Insights

  • Amazon DynamoDB: استریم‌ها Amazon DynamoDB: Streams

  • Amazon DynamoDB: جداول جهانی (Global Tables) Amazon DynamoDB: Global Tables

  • Amazon DynamoDB: مقیاس‌بندی خودکار Amazon DynamoDB: Auto Scaling

نکات پایانی Final Note

  • نکات پایانی Final Note

نمایش نظرات

دوره جامع مهندسی داده در AWS - آموزش کامل [ویدئویی]
جزییات دوره
18h 56m
120
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

Ashish Prajapati Ashish Prajapati

آموزش آسان و جذاب مهارت‌های ابری AWS