آموزش مبانی مهندسی داده با SQL و پایتون - آخرین آپدیت

مبانی مهندسی داده مدرن Foundations of Modern Data Engineering

• معرفی تخصص Specialization Introduction

• معرفی دوره Course Introduction

• مهندسی داده و سیستم‌های داده مدرن چیست What is Data Engineering and Modern Data Systems

• چرخه حیات مهندسی داده The Data Engineering Lifecycle

• اصول پردازش دسته‌ای و آنی Batch and Real-Time Processing Fundamentals

• راه‌اندازی فضای کاری مهندسی داده Setting Up the Data Engineering Workspace

• کار با خط فرمان و فایل‌های پروژه Working with the Command Line and Project Files

• مدیریت پروژه با Git و GitHub Managing a Project with Git and GitHub

ذخیره‌سازی داده‌ها، مدل‌سازی و اصول SQL Data Storage, Modeling, and SQL Fundamentals

• فرمت‌های داده برای بارهای کاری مهندسی Data Formats for Engineering Workloads

• پایگاه‌های داده رابطه‌ای و مدل‌سازی داده‌ها Relational Databases and Data Modelling

• بررسی فایل‌های CSV، JSON و Parquet Inspecting CSV, JSON, and Parquet Files

• راه‌اندازی PostgreSQL و ایجاد جداول Setting Up PostgreSQL and Creating Tables

• نوشتن کوئری‌های SQL برای کاوش داده‌ها Writing SQL Queries for Data Exploration

• اتصال جداول و محاسبه معیارها Joining Tables and Calculating Metrics

• استفاده از CTEها و توابع پنجره‌ای Using CTEs and Window Functions

خط لوله‌های داده قابل اعتماد و مهندسی کیفیت Reliable Data Pipelines and Quality Engineering

• کیفیت داده‌ها و جریان‌های کاری قابل اعتماد Data Quality and Reliable Data Workflows

• طراحی جریان کاری از فایل به پایگاه داده Designing a File-to-Database Workflow

• بارگذاری داده‌های فایل در PostgreSQL Loading File Data into PostgreSQL

• اعتبارسنجی کیفیت داده‌ها در PostgreSQL Validating Data Quality in PostgreSQL

• پاک‌سازی و آماده‌سازی داده‌ها برای تحلیل Cleaning and Preparing Data for Analysis

• ساخت جریان کاری پردازش داده‌های ساختاریافته Building a Structured Data Processing Workflow

• جمع‌بندی دوره Course Summary