آموزش مقدمه‌ای بر مهندسی داده در گوگل کلاود (Google Cloud) - آخرین آپدیت

مقدمه‌ای بر دوره Einführung in den Kurs

• مرور کلی دوره Kursübersicht

وظایف و اجزای مهندسی داده Aufgaben und Komponenten des Data Engineering

• مقدمه‌ای بر ماژول Einführung in das Modul

• نقش مهندسان داده Rolle von Data Engineers

• منابع داده در مقابل مقصد داده (Sources vs Sinks) Datenquellen versus Datensenken

• فرمت‌های داده Datenformate

• گزینه‌های راهکار ذخیره‌سازی در گوگل کلاود Optionen für Speicherlösungen in Google Cloud

• گزینه‌های مدیریت متادیتا در گوگل کلاود Optionen für die Metadatenverwaltung in Google Cloud

• اشتراک‌گذاری مجموعه‌داده‌ها با استفاده از Analytics Hub Datasets mithilfe von Analytics Hub weitergeben

• آزمایشگاه عملی: بارگذاری داده‌ها در BigQuery Lab-Einführung: Daten in BigQuery laden

• کورسرا: شروع کار با گوگل کلاود و Qwiklabs Coursera: Erste Schritte mit Google Cloud Platform und Qwiklabs

تکثیر و مهاجرت داده‌ها Replikation und Migration von Daten

• مقدمه‌ای بر ماژول Einführung in das Modul

• معماری تکثیر و مهاجرت داده‌ها Replikations- und Migrationsarchitektur

• ابزار خط فرمان gcloud gcloud-Befehlszeilentool

• جابجایی مجموعه‌داده‌ها Datasets verschieben

• سرویس Datastream Datastream

• آزمایشگاه عملی: Datastream: تکثیر PostgreSQL در BigQuery Lab-Einführung: Datastream: PostgreSQL-Replikation in BigQuery

الگوی خط لوله برای استخراج و بارگذاری داده‌ها Das Pipeline-Muster zum Extrahieren und Laden von Daten

• مقدمه‌ای بر ماژول Einführung in das Modul

• معماری فرآیند استخراج و بارگذاری Architektur für Extrahierungs- und Ladevorgänge

• ابزار خط فرمان bq bq-Befehlszeilentool

• سرویس انتقال داده BigQuery BigQuery Data Transfer Service

• سرویس BigLake BigLake

• آزمایشگاه عملی: شروع سریع با BigLake Lab-Einführung: BigLake: Qwik Start

الگوی خط لوله برای استخراج، بارگذاری و تبدیل داده‌ها Das Pipeline-Muster zum Extrahieren, Laden und Transformieren von Daten

• مقدمه‌ای بر ماژول Einführung in das Modul

• معماری ELT (استخراج، بارگذاری، تبدیل) ELT-Architektur (Extrahieren, Laden, Transformieren)

• اسکریپت‌نویسی SQL و برنامه‌ریزی با BigQuery SQL-Scripting und ‑Planung mit BigQuery

• سرویس Dataform Dataform

• آزمایشگاه عملی: ایجاد و اجرای گردش کار SQL در Dataform Lab-Einführung: SQL-Workflow in Dataform erstellen und ausführen

الگوی خط لوله برای استخراج، تبدیل و بارگذاری داده‌ها Das Pipeline-Muster zum Extrahieren, Transformieren und Laden von Daten

• مقدمه‌ای بر ماژول Einführung in das Modul

• معماری ETL (استخراج، تبدیل، بارگذاری) ETL-Architektur (Extrahieren, Transformieren, Laden)

• ابزارهای رابط کاربری گوگل کلاود برای خط لوله داده ETL Google Cloud-GUI-Tools für ETL-Datenpipelines

• پردازش دسته‌ای داده‌ها با Dataproc Batchdatenverarbeitung mit Dataproc

• آزمایشگاه عملی: بارگذاری BigQuery با استفاده از Dataproc Serverless برای Spark Lab-Einführung: BigQuery mit Dataproc Serverless für Spark laden

• گزینه‌های پردازش داده‌های جریانی (Streaming) Optionen für die Streamingdatenverarbeitung

• سرویس Bigtable و خط لوله‌های داده Bigtable und Datenpipelines

• آزمایشگاه عملی: ایجاد خط لوله داده‌های جریانی با Dataflow برای داشبورد لحظه‌ای Lab-Einführung: Mit Dataflow eine Streamingdaten-Pipeline für ein Echtzeit-Dashboard erstellen

تکنیک‌های اتوماسیون Automatisierungstechniken

• مقدمه‌ای بر ماژول Einführung in das Modul

• الگوهای اتوماسیون و گزینه‌های خط لوله Automatisierungsmuster und ‑optionen für Pipelines

• سرویس Cloud Scheduler و Workflows Cloud Scheduler und Workflows

• سرویس Cloud Composer Cloud Composer

• سرویس Cloud Run Functions Cloud Run Functions

• سرویس Eventarc Eventarc

• آزمایشگاه عملی: بارگذاری در BigQuery با استفاده از Cloud Run Functions Lab-Einführung: BigQuery mit Cloud Run Functions laden

خلاصه‌ی دوره Zusammenfassung des Kurses

• خلاصه‌ی دوره Zusammenfassung des Kurses