آموزش مدیریت مقیاس‌پذیر ارزش محصولات داده با SDK آماده برای عامل‌های هوش مصنوعی - آخرین آپدیت

دانلود Scalable Data Product Value Management with Agent ready SDK

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: محصولات داده‌ای مبتنی بر هوش مصنوعی را با استفاده از خانواده ODPS، اعتبارسنجی SDK، کاتالوگ محصولات، گراف‌های ارزش و جریان‌های کاری آماده برای عامل‌ها (Agent-ready) بسازید. در این دوره خواهید آموخت که چگونه ODPS، ODPC، ODPG و ODPV به عنوان یک خانواده استاندارد با یکدیگر تعامل دارند. از Open Data Products SDK برای اعتبارسنجی، بازرسی و تحلیل فایل‌های استاندارد استفاده کنید. یک گراف ارزش ساده برای محصول داده شامل محصولات، موارد استفاده (Use Cases)، اهداف تجاری، KPIها و سیگنال‌ها ایجاد کنید. تعاریف محصول ODPS را به اشیاء کاتالوگ ODPC و روابط گراف ODPG متصل کنید. یک گزارش پایه از گراف ارزش تولید کنید که پیوندهای محصول به ارزش و اتصالات مفقود را برجسته می‌کند. پیش نیازها: درک پایه از محصولات داده، متاداده، کاتالوگ داده یا حاکمیت داده مفید است اما الزامی نیست. دانش پایه پایتون برای بخش‌های SDK و ساختارهای عملی کاربردی است. برای اجرای تمرینات عملی، داشتن کامپیوتری که پایتون روی آن نصب شده باشد توصیه می‌شود. هیچ تجربه قبلی در مورد ODPS، ODPC، ODPG، ODPV یا Open Data Products SDK مورد نیاز نیست.

محصولات داده در حال ورود به مرحله جدیدی هستند.

عامل‌های هوش مصنوعی (AI agents)، کوپایلوت‌ها و ابزارهای اتوماسیون به چیزی فراتر از اسناد و داشبوردها نیاز دارند؛ آن‌ها به کانتکست واضحی از محصول داده نیاز دارند. آن‌ها به تعاریف محصول، کاتالوگ‌ها، لینک‌ها، واژگان مشترک، بررسی‌ها و فایل‌های ماشین‌خوان نیازمندند.


این دوره نشان می‌دهد که خانواده استانداردهای Open Data Product چگونه به شما در ایجاد این زیربنا کمک می‌کند.

شما یاد می‌گیرید که ODPS چگونه یک محصول داده را تعریف می‌کند. خواهید دید که ODPC چگونه محصولات داده را در کاتالوگ‌ها سازماندهی می‌کند. یاد می‌گیرید که ODPG چگونه محصولات، موارد استفاده، اهداف، KPIها، سیگنال‌ها و نقش‌ها را در گراف‌های ارزش به هم متصل می‌کند. همچنین خواهید دید که ODPV چگونه واژگان و معانی را یکپارچه نگه می‌دارد.


این دوره شامل ۲۳ درس و ۲ بخش عملی است. حدود ۵۰٪ از دوره به کارهای عملی با SDK اختصاص دارد.

شما از Open Data Products SDK برای بررسی فایل‌های استاندارد، تحلیل متاداده‌های ساختاریافته، استفاده از دستیارهای واژگان، ایجاد محتوای محصول بر اساس نیازهای تجاری، کار با قطعات (Fragments)، ساخت کاتالوگ‌ها و ایجاد گراف‌های متصل استفاده خواهید کرد.

در بخش عملی نهایی، یک پورتفولیوی ساده از محصولات داده در محیط Colab خواهید ساخت. این پورتفولیو به شما کمک می‌کند بررسی کنید که آیا یک محصول داده معتبر است، در کاتالوگ گنجانده شده، به موارد استفاده لینک شده، به اهداف تجاری متصل است، با KPIها اندازه‌گیری می‌شود و برای بررسی انسانی و جریان‌های کاری عامل‌های هوش مصنوعی آماده است یا خیر.


این دوره برای مالکان محصول داده، معماران داده، مدیران حاکمیت داده، تیم‌های پلتفرم، تیم‌های محصول AI و توسعه‌دهندگان است.

در پایان، شما خانواده ODPS را درک خواهید کرد و یک جریان کاری مبتنی بر SDK خواهید داشت که می‌توانید در پروژه‌های واقعی محصولات داده از آن استفاده کرده و آن را گسترش دهید.


سرفصل ها و درس ها

مقدمه Introduction

  • معرفی دوره و اهداف یادگیری Course introduction and learning outcomes

خانواده استانداردهای (باز) محصول داده The (Open) Data Product Standards Family

  • چرا ODPS به یک خانواده تبدیل شد: چالش‌ها Why ODPS became a family: The Challenge

  • چرا ODPS به یک خانواده تبدیل شد: راهکار Why ODPS became a family: The Solution

  • چرا عامل‌های هوش مصنوعی به کانتکست ساختاریافته محصول داده نیاز دارند Why AI agents need structured data product context

  • نحوه تعامل و همکاری اعضای خانواده ODPS How the ODPS family works together

  • آزمون ۱: درک مبانی خانواده ODPS Quiz 1 Understanding of the ODPS family foundation

آشنایی با SDK Introduction to the SDK

  • Open Data Products SDK چیست What the Open Data Products SDK is

  • نصب و اجرای SDK Installing and running the SDK

  • اعتبارسنجی و تحلیل فایل‌های استاندارد Validating and explaining standards files

  • استفاده از دستیارهای واژگان ODPV Use the ODPV Vocabulary Helpers

  • کار با مدل‌های زبانی بزرگ (LLM) محلی Working with local LLMs

  • کار با ارائه‌دهندگان آنلاین LLM Working with online LLM providers

  • تولید محصولات داده ODPS از روی نیازمندی‌های تجاری Generating ODPS Data Products from business requirements

  • کار با تولیدات و قطعات (Fragments) Working with Generation and Fragments

  • کار با کاتالوگ‌های ODPC Working with ODPC Catalogs

  • از کاتالوگ‌ها تا گراف‌های متصل From Catalogs to Connected Graphs

  • مرور بخش ۳: از دستورات SDK تا جریان‌های کاری عملی Section 3 recap, From SDK commands to practical workflows

  • آزمون ۲: مبانی SDK و جریان‌های کاری تولید Quiz 2 SDK foundation and generation workflows

مرحله نهایی: ساخت پورتفولیو Final Stage: Build the Portfolio

  • از دستورات تا سازنده پورتفولیو From Commands to Portfolio Builder

  • سازنده پورتفولیو چه خروجی‌هایی ایجاد می‌کند What the Portfolio Builder Creates

  • ساخت اولین پورتفولیو در Colab Build the First Portfolio in Colab

  • به‌روزرسانی پورتفولیو و بررسی تاریخچه نسخه‌ها Update the Portfolio and Review Version History

  • بومی‌سازی کاتالوگ و گراف پورتفولیو Localize the Portfolio Catalog and Graph

  • بررسی نهایی: نمای انسانی و YAML آماده برای عامل AI Final Review: Human View and Agent-Ready YAML

  • آزمون ۳: جریان کاری ساخت پورتفولیو Quiz 3 Portfolio-building workflo

جمع‌بندی و جشن پایان Time to celebrate

  • جمع‌بندی و گام‌های بعدی Wrap-up and next steps

نمایش نظرات

آموزش مدیریت مقیاس‌پذیر ارزش محصولات داده با SDK آماده برای عامل‌های هوش مصنوعی
جزییات دوره
3.5 hours
23
(آخرین آپدیت)
14
5 از 5
دارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr Jarkko Moilanen Dr Jarkko Moilanen

مقیاس‌بندی ارزش محصولات داده‌ای با استفاده از عوامل هوش مصنوعی (AI Agents)