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