آماده‌سازی برای آزمون مهندس داده حرفه‌ای گوگل کلاد (Google Cloud Professional Data Engineer) - آخرین آپدیت

معرفی دوره آماده‌سازی برای آزمون مهندس داده حرفه‌ای Este é o curso "Preparing for the Professional Data Engineer Exam"

• مقدمه Introdução

• مفاهیم پایه گواهینامه Professional Data Engineer Noções básicas da certificação Professional Data Engineer

• آشنایی با گوگل کلاد و Qwiklabs Introdução ao Google Cloud e ao Qwiklabs

نحوه طراحی سیستم‌های پردازش داده Como projetar sistemas de processamento de dados

• نحوه طراحی سیستم‌های پردازش داده Como projetar sistemas de processamento de dados

• نحوه طراحی نمایش‌های داده‌ای منعطف Como projetar representações de dados flexíveis

• نحوه طراحی خط لوله‌های داده (Data Pipelines) Como projetar pipelines de dados

• خط لوله‌های Cloud Dataflow Pipelines do Cloud Dataflow

• راهکارهای BigQuery و Cloud Dataflow Soluções do BigQuery e do Cloud Dataflow

• نحوه طراحی زیرساخت پردازش داده Como projetar uma infraestrutura de processamento de dados

• راهکارهای Cloud Pub/Sub Soluções do Cloud Pub/Sub

• سؤالات آزمون آزمایشی ۱ Perguntas do exame simulado 1

• نمایش داده‌ها، خط لوله‌ها و زیرساخت پردازش Representações de dados, pipelines e infraestrutura de processamento

نحوه ایجاد و عملیاتی‌سازی سیستم‌های پردازش داده Como criar e operacionalizar sistemas de processamento de dados

• نحوه ایجاد سیستم‌های پردازش داده Como criar sistemas de processamento de dados

• معرفی Cloud Storage، Cloud SQL و Cloud Bigtable Cloud Storage, Cloud SQL e Cloud Bigtable

• نحوه ایجاد و عملیاتی‌سازی خط لوله‌ها Como criar e operacionalizar pipelines

• نحوه ایجاد و عملیاتی‌سازی زیرساخت پردازش Como criar e operacionalizar a infraestrutura de processamento

• سؤالات آزمون آزمایشی ۲ Perguntas do exame simulado 2

• ایجاد و عملیاتی‌سازی خط لوله‌ها و زیرساخت پردازش Como criar e operacionalizar pipelines e infraestrutura de processamento

• مطالعه موردی (Case Study) ۱ Estudo de caso 1

• آزمایشگاه چالشی ۱ Laboratório com desafio 1

نحوه عملیاتی‌سازی مدل‌های یادگیری ماشین (Machine Learning) Como operacionalizar modelos de machine learning

• نحوه تحلیل و ایجاد مدل‌ها Como analisar e criar modelos

• نحوه استقرار خط لوله ML Como implantar um pipeline de ML

• یادگیری ماشین (Machine Learning) Machine learning

• داده‌های غیرساختاریافته و ML Dados não estruturados e ML

• آموزش و اعتبارسنجی Treinamento e validação

• سؤالات آزمون آزمایشی ۳ Perguntas do exame simulado 3

• یادگیری ماشین و تحلیل Machine learning e análise

• مطالعه موردی (Case Study) ۲ Estudo de caso 2

• ایجاد مدل‌های فرآیندهای تجاری برای تحلیل و بهینه‌سازی Como criar modelos de processos empresariais para análise e otimização

• مهندسی ویژگی‌ها و عملکرد Engenharia de atributos e desempenho

• طرحواره (Schema) و عملکرد Esquema e desempenho

• خط لوله و عملکرد Pipeline e desempenho

• نحوه تقسیم کار و توزیع بار Como dividir o trabalho

• عملکرد Bigtable Desempenho do Bigtable

• تخمین هزینه Estimativa de preço

• نیازمندی‌های کسب‌وکار و بهینه‌سازی Requisitos de negócios e otimização

• مطالعه موردی (Case Study) ۳ Estudo de caso 3

• آزمایشگاه چالشی ۲ Laboratório com desafio 2

قابلیت اطمینان، سیاست‌گذاری و امنیت برای تضمین کیفیت راهکار Confiabilidade, política e segurança para garantir a qualidade da solução

• قابلیت اطمینان، سیاست‌گذاری و امنیت Confiabilidade, política e segurança

• سؤالات آزمون آزمایشی ۴ Perguntas do exame simulado 4

• ابزارهای بصری‌سازی داده‌ها و گزارش‌گیری Ferramentas para visualização de dados e geração de relatórios

• طراحی با تمرکز بر امنیت و انطباق (Compliance) Como projetar com foco em segurança e conformidade

• سؤالات آزمون آزمایشی ۵ Perguntas do exame simulado 5

• زیرساخت داده‌های امن و انطباق قانونی Infraestrutura de dados segura e conformidade jurídica

منابع و گام‌های بعدی Recursos e próximas etapas

• منابع و گام‌های بعدی Recursos e próximas etapas

• آزمون جامع شبیه‌ساز Teste do exame simulado

• منابع تکمیلی Recursos