آموزش مهندسی داده با یادگیری ماشین AWS

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

خصوصیات مهم داده ها را باید در یک راه حل یادگیری ماشین در نظر گرفت Important Data Characteristics to Consider in a Machine Learning Solution

• خصوصیات مهم داده ها را باید در یک راه حل یادگیری ماشین در نظر گرفت Important Data Characteristics to Consider in a Machine Learning Solution

• انتخاب مخزن داده های AWS بر اساس مشخصات داده های ساخت یافته ، نیمه ساختاریافته و غیر ساختاری Choosing an AWS Data Repository Based on Structured, Semi-structured, and Unstructured Data Characteristics

• انتخاب خدمات مصرف اطلاعات AWS و پردازش داده ها براساس ویژگی های پردازش دسته ای و جریان Choosing AWS Data Ingestion and Data Processing Services Based on Batch and Stream Processing Characteristics

• تصفیه آنچه که داده های ذخیره بر اساس مشخصات برنامه استفاده می شود Refining What Data Store to Use Based on Application Characteristics

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

جریان داده معمولی برای یادگیری ماشین در AWS Typical Data Flow for Machine Learning on AWS

• معماری معمولی جریان داده برای یادگیری ماشین در AWS و Segue در عناوین بعدی Typical Data Flow Architectures for Machine Learning on AWS and Segue into Next Topics

گزینه های ذخیره سازی داده برای یادگیری ماشین در AWS Data Storage Options for Machine Learning on AWS

• بررسی اجمالی ماژول و شغل شما به عنوان مهندس داده Module Overview and Your Job as a Data Engineer

• آمازون S3 متعال و همه جا حاضر! The Almighty and Ubiquitous Amazon S3!

• پارتیشن بندی داده ها در Amazon S3 و Demo: ایجاد یک طرح پارتیشن بندی در Amazon S3 Partitioning Data in Amazon S3 and Demo: Creating a Partitioning Scheme in Amazon S3

• کلاسهای ذخیره سازی Amazon S3 و قوانین چرخه زندگی و نسخه ی نمایشی: ایجاد قوانین چرخه زندگی Amazon S3 Amazon S3 Storage Classes and Lifecycle Rules and Demo: Creating Amazon S3 Lifecycle Rules

• رمزگذاری و سیاست های امنیتی Amazon S3 و نسخه ی نمایشی: تنظیم رمزگذاری و خط مشی ها در Amazon S3 Amazon S3 Security Encryption and Policies and Demo: Setting Up Encryption and Policies in Amazon S3

• ویژگی امنیتی مهم VPC Endpoints برای Amazon S3 The Important Security Feature of VPC Endpoints for Amazon S3

• آمازون EFS برای یادگیری ماشین Amazon EFS for Machine Learning

• Amazon EBS برای یادگیری ماشین Amazon EBS for Machine Learning

• مقرون به صرفه بودن گزینه های ذخیره سازی معمول در AWS Cost Effectiveness of Common Storage Options on AWS

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

گزینه های پایگاه داده برای یادگیری ماشین در AWS Database Options for Machine Learning on AWS

• بررسی اجمالی ماژول و بررسی آمازون S3 Module Overview and Amazon S3 Review

• سرویس پایگاه داده رابطه ای آمازون (RDS) برای AWS ML Amazon Relational Database Service (RDS) for AWS ML

• آمازون شفق برای AWS ML Amazon Aurora for AWS ML

• متعال آمازون DynamoDB برای AWS ML The Almighty Amazon DynamoDB for AWS ML

• انبار داده آمازون Redshift MPP برای AWS ML Amazon Redshift MPP Data Warehouse for AWS ML

• آمازون DocumentDB با سازگاری MongoDB برای AWS ML Amazon DocumentDB with MongoDB Compatibility for AWS ML

• خلاصه قیمت بانک اطلاعات آمازون Amazon Database Pricing Summary

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

استفاده از انبار داده یا داده دریاچه به عنوان مخزن یادگیری ماشین Using a Data Warehouse or a Data Lake as a Machine Learning Repository

• بررسی اجمالی ماژول و انبارهای داده در مقابل دریاچه ها Module Overview and Data Warehouses vs. Data Lakes

• Amazon S3 Data Lakes: ایجاد حداکثر انعطاف پذیری راه حل های ذخیره سازی داده های بزرگ Amazon S3 Data Lakes: Building Big Data Storage Solutions for Maximum Flexibility

• دریاچه های داده AWS S3: سیاهههای مربوط به تغییر ناپذیر و نماهای متریال AWS S3 Data Lakes: Immutable Logs and Materialized Views

• سازند شگفت انگیز دریاچه آمازون! The Amazing Amazon Lake Formation!

• انبار داده Redshift آمازون Amazon Redshift Data Warehouse

• صادرات داده های Redshift Amazon Lake Lake و Federated Query Amazon Redshift's Data Lake Export and Federated Query

• چه زمانی از Data Warehouse در مقابل Data Lake استفاده کنید When to Use a Data Warehouse vs. a Data Lake

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

پخش جریانی راه حل های مصرف داده در AWS برای یادگیری ماشین Streaming Data Ingestion Solutions on AWS for Machine Learning

• مشخصات ماژول و خصوصیات بلعیدن جریان Module Overview and Stream Ingestion Characteristics

• خانواده خدمات Amazon Kinesis The Amazon Kinesis Family of Services

• جریان داده های آمازون Kinesis Amazon Kinesis Data Streams

• Amazon Kinesis Data Firehose and Demo: استفاده از Amazon Kinesis Data Firehose برای مصرف داده Amazon Kinesis Data Firehose and Demo: Using Amazon Kinesis Data Firehose for Data Ingestion

• جریان های داده آمازون Kinesis در مقابل آمازون Kinesis Data Firehose Amazon Kinesis Data Streams vs. Amazon Kinesis Data Firehose

• Amazon Kinesis Data Analytics and Demo: استفاده از Amazon Kinesis Data Analytics در جریان داده ها Amazon Kinesis Data Analytics and Demo: Using Amazon Kinesis Data Analytics on Streaming Data

• جریان های ویدیویی آمازون Kinesis Amazon Kinesis Video Streams

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

راه حل های مصرف داده ای دسته ای در AWS برای یادگیری ماشین Batch Data Ingestion Solutions on AWS for Machine Learning

• مشخصات ماژول و خصوصیات بلوری دسته ای Module Overview and Batch Ingestion Characteristics

• سرویس مهاجرت داده های AWS AWS Data Migration Service

• دسته AWS AWS Batch

• مقدمه ای بر چسب AWS Introduction to AWS Glue

• چسب AWS در مقابل سرویس انتقال داده AWS AWS Glue vs. AWS Data Migration Service

• چسب AWS در مقابل دسته AWS AWS Glue vs. AWS Batch

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

بررسی اجمالی تغییر داده در AWS برای یادگیری ماشین Data Transformation Overview on AWS for Machine Learning

• آماده سازی داده های خام برای مصرف برای یادگیری ماشین AWS Preparing Raw Data for Consumption for AWS Machine Learning

• مهندسی داده 101: عادی سازی داده ها برای یادگیری ماشین AWS Data Engineering 101: Data Normalization for AWS Machine Learning

• مهندسی داده 101: تقسیم بندی داده ها برای یادگیری ماشین AWS Data Engineering 101: Data Partitioning for AWS Machine Learning

• مهندسی داده 101: فشرده سازی داده ها برای یادگیری ماشین AWS Data Engineering 101: Data Compression for AWS Machine Learning

• Engineering Engineering 101: داده های بهینه سازی شده برای ذخیره سازی برای یادگیری ماشین AWS Data Engineering 101: Storage-optimized Data for AWS Machine Learning

• ETL در مقابل ELT برای یادگیری ماشین AWS ETL vs. ELT for AWS Machine Learning

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

گردش کار داده محور: خط لوله داده AWS Data-driven Workflows: The AWS Data Pipeline

• بررسی اجمالی ماژول و معماری خطوط لوله تجزیه و تحلیل مدرن Module Overview and Modern Data Analytics Pipeline Architectures

• خط AWS Data Pipeline و AWS Data Pipeline در مقابل AWS Glue The AWS Data Pipeline and AWS Data Pipeline vs. AWS Glue

• با استفاده از خط لوله داده AWS در سناریوهای ML در AWS Using the AWS Data Pipeline in ML Scenarios on AWS

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

تبدیل داده با استفاده از Apache Spark در Amazon EMR Data Transformation Using Apache Spark on Amazon EMR

• بررسی اجمالی ماژول و آمازون EMR چیست و چرا باید از آن استفاده کرد؟ Module Overview and What Is Amazon EMR and Why Use It?

• Apache Spark چیست و چرا باید از آن استفاده کرد؟ What Is Apache Spark and Why Use It?

• Apache Spark در Amazon EMR: نمونه های ML Apache Spark on Amazon EMR: ML Examples

• بهینه سازی خوشه های EMR آمازون برای هزینه و مقیاس Optimizing Amazon EMR Clusters for Cost and Scale

• خلاصه ماژول برای امتحان ML و Segue به عناوین بعدی Module Summary for the ML Exam and Segue into Next Topics

تبدیل داده با استفاده از چسب AWS بدون سرور و Amazon Athena بدون سرور Data Transformation Using Serverless AWS Glue and Serverless Amazon Athena

• بررسی اجمالی ماژول و مقدمه ای بر چسب AWS! Module Overview and An Introduction to AWS Glue!

• چسب AWS چیست و چگونه کار می کند؟ What Is AWS Glue and How Does It Work?

• چسب AWS چگونه به تشکیل دریاچه AWS ارتباط دارد؟ How Does AWS Glue Relate to AWS Lake Formation?

• کاتالوگ داده های چسب AWS: طرح واره و نسخه ها The AWS Glue Data Catalog: Schema and Versions

• مزایای استفاده از چسب AWS The Benefits of Using AWS Glue

• خزنده های چسب AWS چیست و چگونه کار می کنند؟ What Are AWS Glue Crawlers and How Do They Work?

• نسخه ی نمایشی: ایجاد و اجرای دستی خزنده چسب AWS Demo: Creating and Manually Running an AWS Glue Crawler

• مشاغل چسب AWS چیست و چگونه کار می کنند؟ What Are AWS Glue Jobs and How Do They Work?

• چسب AWS ساخته شده در تبدیل داده ها و ML تبدیل برای تشکیل دریاچه AWS AWS Glue's Builtin Data Transformations and ML Transforms for AWS Lake Formation

• نسخه ی نمایشی: خودکار کردن خزنده چسب AWS و انجام تبدیل داده ها با کار چسب AWS Demo: Automating an AWS Glue Crawler and Performing Data Transformation with An AWS Glue Job

• آمازون آتنا چیست و چگونه کار می کند؟ What Is Amazon Athena and How Does It Work?

• با استفاده از چسب AWS و آمازون آتنا با هم Using AWS Glue and Amazon Athena Together

• نسخه ی نمایشی: با استفاده از آمازون آتنا Demo: Using Amazon Athena

• اجرای استنباط با استفاده از مدل های ML در آمازون آتنا Running Inference Using ML Models in Amazon Athena

• خلاصه ماژول برای امتحان ML Module Summary for the ML Exam