لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوتکمپ مهندسی داده (Data Engineering)
- آخرین آپدیت
دانلود Data Engineering Bootcamp
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
مبانی مهندسی داده را بیاموزید: معماری داده، تفاوت ETL و ELT، خط لولههای ابری (Cloud Pipelines) و مدیریت گردش کار (Workflow Orchestration)
در این دوره شما موارد زیر را خواهید آموخت:
- درک مفاهیم کلیدی مهندسی داده
- پیادهسازی اصول معماری داده
- ساخت خط لولههای داده مبتنی بر ابر (Cloud-based Data Pipelines)
- پردازش و تبدیل دادهها برای تحلیلهای پیشرفته
- مدیریت و اتوماسیون گردشهای کاری
- تکمیل یک پروژه جامع مهندسی داده از ابتدا تا انتها
پیشنیازها:
- عدم نیاز به تجربه قبلی در مهندسی داده
- دانش پایه برنامهنویسی
- درک مقدماتی از مفاهیم داده
دادهها نفت جدید عصر حاضر هستند، اما بدون سیستمهای مناسب برای جمعآوری، ذخیرهسازی و پردازش، دادهها بهسرعت بلااستفاده میشوند. اینجاست که مهندسی داده (Data Engineering)وارد عمل میشود. این بوتکمپ مهندسی دادهطراحی شده است تا شما را از مفاهیم بنیادی به یک پروژه عملی و جامع برساند که در آن یک خط لوله داده (Data Pipeline) کامل را ساخته و مستقر خواهید کرد.
ما با مبانی مهندسی دادهشروع میکنیم و بررسی میکنیم که مهندسی داده چیست، چه تفاوتی با نقشهایی مانند تحلیلگر یا دانشمند داده دارد و چرا در دنیای دادهمحور امروز یک مهارت حیاتی است. شما از طریق کوییزها و فعالیتهای تعاملی، با گردش کار مهندسی داده، نقشهای مختلف و سناریوهای واقعی آشنا خواهید شد.
سپس به سراغ معماری دادهمیرویم و رویکردهای سنتی را با مدرن مقایسه میکنیم، پارادایمهای ذخیرهسازی داده را درک کرده و تفاوتهای ETL در مقابل ELT و خط لولههای دستهای (Batch) در مقابل جریانی (Streaming) را بررسی میکنیم. شما دانش خود را از طریق کاربرگها و تمرینات طراحی تقویت خواهید کرد.
بخش برجسته این دوره، پروژه عملیاست که در آن شما:
دادههای خام را وارد یک AWS S3 Data Lakeمیکنید
مجموعه دادهها را برای تحلیل پردازش و تبدیل میکنید
نتایج را در قالبهای مختلف سازماندهی و ذخیره میکنید
گردشهای کاری را با استفاده از Prefectبرای اتوماسیون، زمانبندی و نظارت مدیریت میکنید
در پایان این دوره، شما نه تنها تئوریها را درک میکنید، بلکه تجربه عملی و آماده برای بازار کار در ساخت خط لولههای داده ابری کسب خواهید کرد. چه یک مهندس داده آینده باشید، چه تحلیلگر دادهای که به دنبال ارتقای سطح است و چه کسی که قصد تغییر مسیر شغلی به حوزه داده را دارد، این بوتکمپ اعتمادبهنفس و مهارتهای لازم برای موفقیت را به شما میدهد.
سرفصل ها و درس ها
مقدمه
Introduction
محتوای دوره
Course Content
اطلاعات دوره
Course Information
فایلهای منبع
Source Files
آشنایی با مهندسی داده
Introduction to Data Engineering
مشکل دادهها!
The Data Problem!
تعریف مهندسی داده: ETL در مقابل ELT
Data Engineering Definition - ETL Vs ELT
اکوسیستم مهندسی داده
Data Engineering Ecosystem
چرا مهندسی داده اهمیت دارد؟
Why Data Engineering Matters?
مهندسی داده در مقابل سایر نقشها
Data Engineering Vs Other Roles
اهمیت مهندسی داده: مثالهای واقعی
Importance of Data Engineering-Real World Example
نصبهای مورد نیاز
Required Installations
نصب Git
Git Installation
مخزن GitHub و VSCode
GitHub Repo & VSCode
محیط مجازی و پکیجهای پایتون
Virtual Environ and Python Packages
Data Analyst - Optimization Expert نام من نوید شیرزید است و من بسیار خوشحالم که شما برای خواندن این بخش اینجا هستید! من یک محقق با بیش از 7 سال تجربه در زمینه کنترل سیستم های انرژی یکپارچه با مهارت گسترده در استفاده از استراتژی های بهینه سازی ریاضی هستم. من همچنین در برنامه نویسی با پایتون و توسعه مدل های یادگیری ماشین و یادگیری عمیق برای برنامه های مختلف مهارت دارم. من چندین نشریه در زمینه طراحی و کنترل استراتژی های سیستم های انرژی با استفاده از یادگیری ماشین ، یادگیری عمیق و هوش مصنوعی دارم. به عنوان نتیجه گیری ، من علاقه زیادی به علم داده و یادگیری ماشین و برنامه های بهینه سازی در مشکلات دنیای واقعی دارم و واقعاً دوست دارم تجربه خود را با شما در میان بگذارم!
نمایش نظرات