کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

Google BigQuery Fundamentals

Google BigQuery Fundamentals

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: Google BigQuery: راه حل های مقیاس پذیر برای چالش های داده های مدرن. پرس و جوهای کارآمد، انبار داده، بینش در زمان واقعی. مقدمه‌ای بر GCP: پلتفرم Google Cloud چیست، از جمله خدمات و ویژگی‌های کلیدی آن، و نحوه راه‌اندازی حساب GCP را بیاموزید. پیمایش در کنسول GCP: در پیمایش کنسول GCP با استفاده از Cloud Shell و Google Cloud SDK برای مدیریت منابع مهارت کسب کنید. اصول BigQuery: بیاموزید BigQuery چیست، ویژگی‌ها و مزایای کلیدی آن، نحوه کارکرد و موارد استفاده مختلف آن. راه اندازی و استفاده از BigQuery: با ایجاد یک پروژه GCP، فعال کردن BigQuery API و درک مجموعه داده ها و جداول در BigQuery، BigQuery را راه اندازی کنید. بارگیری و صادرات داده: بر بارگیری داده ها در BigQuery از منابع مختلف مانند CSV، JSON، Google Cloud Storage مسلط شوید و فرمت های داده پشتیبانی شده را درک کنید. پرس و جوی SQL در BigQuery: مهارت های نوشتن پرس و جوهای اولیه و پیشرفته SQL را در BigQuery، با استفاده از اتصالات، زیرپرس و جوها، تجمیع ها، توابع پنجره توسعه دهید. مدیریت داده های BigQuery: مجموعه داده ها و جداول را مدیریت کنید، با استفاده از SQL تبدیل و پاکسازی داده ها را انجام دهید و مجموعه داده های عمومی را در پروژه خود منتقل کنید. بهینه سازی عملکرد و مدیریت هزینه: عملکرد پرس و جو را با بهترین شیوه ها، برنامه های اجرای پرس و جو، ذخیره سازی و نمایش های واقعی بهینه کنید. استراتژی های مدیریت هزینه و نظارت را در BigQuery بیاموزید. پیش نیازها: اشتیاق و عزم برای گذاشتن اثر خود در جهان!

یک خوش آمدگویی گرم به دوره آموزشی Google BigQuery Fundamentals توسط Uplatz.


Google BigQuery یک انبار داده کاملاً مدیریت شده، بدون سرور و بسیار مقیاس پذیر است که برای تجزیه و تحلیل داده در مقیاس بزرگ طراحی شده است. این بخشی از پلتفرم Google Cloud (GCP) است و به کاربران امکان می‌دهد با استفاده از قدرت پردازش زیرساخت Google، درخواست‌های SQL فوق‌العاده سریع انجام دهند.


BigQuery چگونه کار می کند:


  1. معماری بدون سرور

    • BigQuery نیاز به راه اندازی و مدیریت زیرساخت را از بین می برد. شما نیازی به تهیه منابع یا پیکربندی سرورها ندارید. به طور خودکار مقیاس می شود تا اندازه داده ها و پیچیدگی پرس و جو شما را در نظر بگیرد.

  2. فضای ذخیره سازی

    • داده ها در قالب ستونی ذخیره می شوند که عملکرد خواندن و فشرده سازی داده ها را بهینه می کند. این به ویژه برای پرس و جوهای تحلیلی که اغلب نیاز به اسکن مقادیر زیادی از داده ها دارند، موثر است.

  3. اجرای پرس و جو

    • از SQL برای جست و جوی داده ها استفاده می کند. موتور اجرایی BigQuery طرح پرس و جو را بهینه می کند و حجم کار را در چندین گره در زیرساخت Google توزیع می کند.

    • از یک مدل اجرای بسیار موازی برای انجام کارآمد پردازش داده در مقیاس بزرگ استفاده می‌کند.

  4. یکپارچه سازی

    • با سایر سرویس‌های Google Cloud مانند Google Cloud Storage، Google Cloud Dataflow، Google Cloud Dataproc و Google Sheets ادغام می‌شود.

    • از گویش استاندارد SQL پشتیبانی می‌کند و برای کاربرانی که با SQL آشنا هستند قابل دسترسی است.

  5. بارگیری و صادرات داده

    • از فرمت های مختلف داده (CSV، JSON، Avro، پارکت) برای بارگیری داده ها پشتیبانی می کند.

    • داده ها را می توان به قالب هایی مانند CSV و JSON صادر کرد.

  6. امنیت و انطباق

    • ویژگی های امنیتی قوی از جمله رمزگذاری در حالت استراحت و حمل و نقل، مدیریت هویت و دسترسی، و پشتیبانی از استانداردهای انطباق مانند GDPR را ارائه می دهد.


مزایای یادگیری BigQuery:

با توجه به اهمیت روزافزون داده های بزرگ در صنایع مختلف، یادگیری BigQuery می تواند مزیت قابل توجهی در تحلیل داده ها و نقش های مهندسی ایجاد کند. شما را با مهارت‌هایی برای مدیریت و تجزیه و تحلیل کارآمد مجموعه‌های داده بزرگ مجهز می‌کند که منجر به بینش و تصمیم‌گیری بهتر می‌شود.


  1. مقیاس پذیری و عملکرد

    • پتابایت داده را به راحتی مدیریت کنید. معماری BigQuery برای مقیاس یکپارچه طراحی شده است که برای برنامه های داده های بزرگ بسیار مهم است.

  2. مقرون به صرفه بودن

    • فقط برای داده‌هایی که درخواست می‌کنید بپردازید (قیمت‌های درخواستی) یا اگر استفاده شما قابل پیش‌بینی باشد، قیمت ثابت را انتخاب کنید. این می تواند منجر به صرفه جویی قابل توجهی در هزینه در مقایسه با راه حل های سنتی انبار داده شود.

  3. سهولت استفاده

    • کاربر پسند با پشتیبانی از SQL، که آن را برای طیف گسترده ای از کاربران از تحلیلگران داده تا دانشمندان داده قابل دسترسی می کند.

  4. ادغام با اکوسیستم داده

    • به راحتی با منابع و ابزارهای مختلف داده، از جمله سرویس‌های Google Cloud و برنامه‌های شخص ثالث، ادغام می‌شود و کاربرد آن را در جریان‌های کاری داده‌های مختلف افزایش می‌دهد.

  5. تجزیه و تحلیل زمان واقعی

    • پشتیبانی از دریافت و تجزیه و تحلیل داده‌ها در زمان واقعی، بینش‌های به موقع را امکان‌پذیر می‌کند، که برای محیط‌های پویا و سریع بسیار مهم است.

  6. سرویس مدیریت شده

    • به‌عنوان یک سرویس کاملاً مدیریت‌شده، هزینه‌های سربار مرتبط با مدیریت و نگهداری زیرساخت‌ها را کاهش می‌دهد و به شما امکان می‌دهد بیشتر روی تجزیه و تحلیل داده‌ها و اطلاعات بینش تمرکز کنید.

  7. ویژگی های پیشرفته

    • شامل قابلیت‌های تحلیلی پیشرفته مانند یادگیری ماشین (BigQuery ML)، تجزیه و تحلیل جغرافیایی (BigQuery GIS) و ادغام با ابزارهای BI مانند Looker و Data Studio.

موارد استفاده عملی BigQuery:


  1. هوش تجاری

    • از BigQuery برای تجزیه و تحلیل داده های فروش، رفتار مشتری، و روندهای بازار برای تصمیم گیری های تجاری مبتنی بر داده استفاده کنید.

  2. تجزیه و تحلیل گزارش

    • تجزیه و تحلیل حجم زیادی از داده های گزارش برای نظارت، عیب یابی، و بهبود عملکرد برنامه.

  3. پردازش بیدرنگ داده

    • تحلیل‌های بی‌درنگ در جریان داده‌ها برای برنامه‌هایی مانند تشخیص تقلب، سیستم‌های توصیه و تجزیه و تحلیل اینترنت اشیا انجام دهید.

  4. انبار داده

    • به‌عنوان مخزن مرکزی برای یکپارچه‌سازی داده‌ها از منابع مختلف و انجام پرس‌وجوهای پیچیده برای گزارش‌دهی و تجزیه و تحلیل خدمت کنید.


Google BigQuery Fundamentals - برنامه درسی دوره

این دوره برای آشنا کردن یادگیرندگان با Google BigQuery، یک انبار داده کاملاً مدیریت شده و بدون سرور طراحی شده است که تجزیه و تحلیل مقیاس پذیر را بر روی پتابایت داده امکان پذیر می کند. برنامه درسی مفاهیم اساسی، تمرین‌های عملی و موارد استفاده عملی را برای ارائه درک جامعی از BigQuery پوشش می‌دهد.


ماژول 1: مقدمه ای بر پلت فرم Google Cloud (GCP)

  • نمای کلی از GCP

    • Google Cloud Platform چیست؟

    • خدمات و ویژگی های کلیدی

    • تنظیم یک حساب GCP

  • پیمایش در کنسول GCP

    • درک رابط کنسول GCP

    • مقدمه ای بر Cloud Shell

    • معرفی Google Cloud SDK

ماژول 2: مقدمه ای بر BigQuery

  • BigQuery چیست؟

    • نمای کلی BigQuery

    • ویژگی ها و مزایای کلیدی

    • کار BigQuery

    • از موارد برای BigQuery استفاده کنید

  • BigQuery Sandbox

  • راه اندازی BigQuery

    • ایجاد پروژه GCP

    • فعال کردن BigQuery API

    • درک مجموعه داده ها و جداول BigQuery

ماژول 3: کار با BigQuery

  • رابط BigQuery

    • پیمایش کنسول BigQuery

    • استفاده از ابزار خط فرمان BigQuery

    • Google Cloud SDK

· مقدمه ای بر کتابخانه های سرویس گیرنده BigQuery

  • بارگیری و صادرات داده

    • قالب های داده پشتیبانی شده توسط BigQuery

    • بارگیری داده ها در BigQuery از منابع مختلف (CSV، JSON، Cloud Storage)

    • سطل Google Cloud Storage (GCS)

ماژول 4: جستجوی داده در BigQuery

  • مبانی BigQuery SQL

    • مقدمه ای بر SQL

    • درک نحو SQL در BigQuery

    • نوشتن و اجرای پرس و جوها در BigQuery

  • جستجوهای پیشرفته SQL

    • استفاده از پیوندها و سوالات فرعی

    • تجمعات و عملکردهای پنجره

    • پارتیشن بندی و خوشه بندی برای عملکرد

ماژول 5: مدیریت داده BigQuery

  • مدیریت مجموعه داده ها و جداول

    • ایجاد و مدیریت مجموعه داده

    • مدیریت طرحواره های جدول

  • یک مجموعه داده عمومی BigQuery را تحت پروژه خود منتقل کنید

  • تبدیل و پاکسازی داده ها

    • استفاده از SQL برای تبدیل داده

    • تکنیک های پاکسازی داده ها

ماژول 6: بهینه سازی عملکرد BigQuery

  • بهینه سازی پرس و جوها

    • بهترین شیوه عملکرد را پرس و جو کنید

    • استفاده از طرح های اجرای پرس و جو

    • ذخیره‌سازی و نمایش‌های واقعی

  • مدیریت هزینه

    • درک قیمت گذاری BigQuery

    • استراتژی های بهینه سازی هزینه

    • نظارت و مدیریت هزینه‌های BigQuery

سرفصل ها و درس ها

مقدمه ای بر پلتفرم ابری گوگل (GCP) Introduction to Google Cloud Platform (GCP)

  • قسمت 1 - مقدمه ای بر پلتفرم ابری گوگل (GCP) Part 1 - Introduction to Google Cloud Platform (GCP)

  • قسمت 2 - مقدمه ای بر پلتفرم ابری گوگل (GCP) Part 2 - Introduction to Google Cloud Platform (GCP)

مقدمه ای بر BigQuery Introduction to BigQuery

  • قسمت 1 - مقدمه ای بر BigQuery Part 1 - Introduction to BigQuery

  • قسمت 2 - مقدمه ای بر BigQuery Part 2 - Introduction to BigQuery

کار با BigQuery Working with BigQuery

  • قسمت 1 - کار با BigQuery Part 1 - Working with BigQuery

  • قسمت 2 - کار با BigQuery Part 2 - Working with BigQuery

  • قسمت 3 - کار با BigQuery Part 3 - Working with BigQuery

جستجوی داده ها در BigQuery Querying Data in BigQuery

  • بخش 1 - جستجوی داده ها در BigQuery Part 1 - Querying Data in BigQuery

  • قسمت 2 - جستجوی داده ها در BigQuery Part 2 - Querying Data in BigQuery

  • قسمت 3 - جستجوی داده ها در BigQuery Part 3 - Querying Data in BigQuery

مدیریت داده BigQuery BigQuery Data Management

  • قسمت 1 - مدیریت داده های BigQuery Part 1 - BigQuery Data Management

  • قسمت 2 - مدیریت داده های BigQuery Part 2 - BigQuery Data Management

بهینه سازی عملکرد BigQuery BigQuery Performance Optimization

  • قسمت 1 - بهینه سازی عملکرد BigQuery Part 1 - BigQuery Performance Optimization

  • بخش 2 - بهینه سازی عملکرد BigQuery Part 2 - BigQuery Performance Optimization

آزمون پایان دوره End of Course Quiz

  • آزمون پایان دوره End of Course Quiz

آموزش بهینه سازی و امنیت دروپال 10

آموزش بهینه سازی و امنیت دروپال 10

Drupal 10 Optimization and Security

آموزش Microsoft Excel - Excel از مبتدی تا پیشرفته 2023

آموزش Microsoft Excel - Excel از مبتدی تا پیشرفته 2023

Microsoft Excel - Excel from Beginner to Advanced 2023

آموزش موقعیت های CSS برای مبتدیان

آموزش موقعیت های CSS برای مبتدیان

CSS positions for beginners

نمایش نظرات

Google BigQuery Fundamentals
جزییات دوره
10 hours
14
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,289
3.3 از 5
ندارد
دارد
دارد

https://donyad.com/d/b41c3a

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Uplatz Training Uplatz Training

سریعترین رشد ارائه دهنده آموزش جهانی فناوری اطلاعات Uplatz پیشرو در انگلستان است که ارائه دهنده خدمات آموزش فناوری اطلاعات به دانشجویان در سراسر جهان است. منحصر به فرد بودن ما از آنجا ناشی می شود که ما دوره های آموزشی آنلاین را با کسری از متوسط هزینه این دوره ها در بازار ارائه می دهیم. تخصص ما شامل SAP ، Oracle ، Salesforce ، AWS ، Microsoft Azure ، Google Cloud ، IBM Cloud ، Science data ، Python ، JavaScript ، Java ، Digital Marketing ، Agile و DevOps است. Uplatz که در مارس 2017 تاسیس شد ، شاهد افزایش خارق العاده ای در صنعت آموزش است که با یک دوره آنلاین SAP FICO شروع می شود و اکنون آموزش 500+ دوره را در 54 کشور جهان ارائه داده است که طی 10 سال به 10 هزار دانشجو خدمت کرده اند. آموزش Uplatz بسیار با ساختار ، موضوع محور و شغل محور است و تأکید زیادی بر تمرین و تکالیف در سرورهای زنده دارد. دوره های ما توسط بیش از هزار مربی بسیار ماهر و باتجربه طراحی و تدریس می شوند که در زمینه های خود اعم از SAP ، Cloud ، Oracle یا هر فناوری یا سیستم درخواستی تخصص کافی دارند.