نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
با ادغام یادگیری ماشین، هوش مصنوعی و پردازش جریان دادهها در لحظه با ابزارهایی مانند Spark ML، کافکا (Kafka) و فلینک (Flink)، مهارتهای مهندسی داده خود را ارتقا دهید. یاد بگیرید چگونه سیستمهای داده هوشمند و پاسخگو برای برنامههای مدرن بسازید.
این دوره تقاطع مهندسی داده با یادگیری ماشین و هوش مصنوعی را بررسی میکند و موضوعاتی نظیر ایجاد خط لولههای یادگیری ماشین (ML Pipelines)، آموزش مدل و استفاده از مدلهای زبانی بزرگ (LLM) را پوشش میدهد. همچنین با استفاده از Apache Kafka و Flink، به پردازش دادهها در لحظه خواهید پرداخت و تکنیکهای مدیریت جریان داده و ساخت راهکارهای تحلیلی پاسخگو را فرا خواهید گرفت. در پایان این دوره، شما قادر خواهید بود جریانهای کاری پیشرفته داده که قدرتبخش برنامههای هوش مصنوعی و بلادرنگ هستند را طراحی و نگهداری کنید.
این دوره ترکیبی از توضیحات عمیق درباره مباحث پیشرفته، نمایشهای عملی و آزمونهای سناریومحور است. دانشپژوهان با ادغام فناوریهای یادگیری ماشین و پردازش جریان آشنا شده و برای چالشهای پیچیده مهندسی داده آماده میشوند.
این دوره بخش سوم از یک تخصص سه قسمتی است که برای ایجاد درک کامل و منسجم از این موضوع طراحی شده است. اگرچه این دوره به تنهایی مهارتهای ارزشمندی ارائه میدهد، اما با گذراندن هر سه دوره به عنوان یک مسیر یادگیری ساختاریافته، بیشترین بهره را خواهید برد.
این دوره بر اساس بوتکمپ مهندسی داده: از صفر تا استادی، نوشته ایوان موشکِتیک (Ivan Mushketyk) است.
کپیرایت © ۲۰۲۶ شرکت Zero To Mastery، ایوان موشکِتیک.
تمامی حقوق محفوظ است. هیچ بخشی از این دوره نباید بدون اجازه کتبی ناشر، به جز در موارد نقلقولهای کوتاه در مقالات انتقادی یا نقدها، تکثیر، در سیستم بازیابی ذخیره یا به هر شکلی منتقل شود.
پکت (Packt) یکی از پرکارترین ناشران محتوای فنی پیشرو در جهان است. ما بیش از دو دهه است که مأموریت خود را گردآوری و انتشار دانش بهترین متخصصان فنی قرار دادهایم. تمرکز ما بر دورههای کاربردی است که به مشتریانمان کمک میکند کار را به بهترین نحو انجام دهند، با پوششی که طیف وسیعی از مباحث فنی تثبیت شده و پیشرفته را در بر میگیرد. اگر شما فرد یا سازمانی هستید که یادگیری از طریق عمل را میپذیرید، پکت بهترین گزینه برای شماست.
سرفصل ها و درس ها
یادگیری ماشین با Spark ML: ایجاد خط لوله داده، آموزش مدل و موارد دیگر
Machine Learning with Spark ML: Create a Data Pipeline, Train a Model + more
-
مقدمه
Introduction
-
یادگیری ماشین چیست
What Is Machine Learning
-
الگوریتمهای رگرسیون
Regression Algorithms
-
ساخت مدل رگرسیون
Building a Regression Model
-
آموزش مدل
Training a Model
-
ارزیابی مدل
Model Evaluation
-
تست مدل رگرسیون
Testing a Regression Model
-
چرخه حیات مدل
Model Lifecycle
-
مهندسی ویژگیها
Feature Engineering
-
بهبود مدل رگرسیون
Improving a Regression Model
-
خط لولههای یادگیری ماشین
Machine Learning Pipelines
-
ایجاد یک خط لوله
Creating a Pipeline
-
[تمرین] تخمین قیمت خانه
[Exercise] House Price Estimation
-
[تمرین] راه حل تخمین قیمت خانه
[Exercise] House Price Estimation - Solution
-
دستهبندی (Classification)
Classification
-
ارزیابی دستهبندیکنندهها
Classifiers Evaluation
-
آموزش یک دستهبندیکننده
Training a Classifier
-
فراپارامترها
Hyperparameters
-
بهینهسازی مدل
Optimizing a Model
-
[تمرین] تایید وام
[Exercise] Loan Approval
-
[تمرین] راه حل تایید وام
[Exercise] Load Approval - Solution
-
یادگیری عمیق
Deep Learning
-
خلاصه
Summary
استفاده از هوش مصنوعی در مهندسی داده: مدلهای زبانی (LLMs)، HuggingFace و موارد دیگر
Using AI with Data Engineering: LLMs, HuggingFace + more
-
مقدمه
Introduction
-
پردازش زبان طبیعی (NLP) پیش از مدلهای زبانی (LLMs)
Natural Language Processing (NLP) before LLMs
-
ترنسفورمرها
Transformers
-
انواع مدلهای زبانی (LLMs)
Types of LLMs
-
Hugging Face
Hugging Face
-
راهاندازی Databricks
Databricks Set Up
-
استفاده از مدل زبانی (LLM)
Using an LLM
-
خروجی ساختاریافته
Structured Output
-
تولید خروجی JSON
Producing JSON Output
-
مدلهای زبانی (LLMs) با Apache Spark
LLMs With Apache Spark
-
خلاصه
Summary
پردازش داده در لحظه (Stream Processing) با Apache Kafka
Real-Time Data Processing ("Stream Processing") with Apache Kafka
-
مقدمه
Introduction
-
Apache Kafka چیست
What Is Apache Kafka?
-
پارتیشنبندی دادهها
Partitioning Data
-
رابط برنامهنویسی کافکا
Kafka API
-
معماری کافکا
Kafka Architecture
-
راهاندازی کافکا
Set Up Kafka
-
نوشتن در کافکا
Writing to Kafka
-
خواندن از کافکا
Reading from Kafka
-
ماندگاری داده
Data Durability
-
کافکا در مقابل صفها
Kafka vs Queues
-
[تمرین] پردازش رکوردها
[Exercise] Processing Records
-
[تمرین] راه حل پردازش رکوردها
[Exercise] Processing Records - Solution
-
معناشناسی تحویل (Delivery Semantics)
Delivery Semantics
-
تراکنشهای کافکا
Kafka Transactions
-
فشردهسازی لاگ
Log Compaction
-
Kafka Connect
Kafka Connect
-
استفاده از Kafka Connect
Using Kafka Connect
-
الگوی Outbox
Outbox Pattern
-
رجیستری طرحواره (Schema Registry)
Schema Registry
-
استفاده از رجیستری طرحواره
Using Schema Registry
-
ذخیرهسازی چندلایه
Tiered Storage
-
[تمرین] ردیابی تغییرات وضعیت سفارش
[Exercise] Track Order Status Changes
-
[تمرین] راه حل ردیابی تغییرات وضعیت سفارش
[Exercise] Track Order Status Changes - Solution
-
خلاصه
Summary
پردازش جریان داده با Apache Flink
Stream Processing with Apache Flink
-
مقدمه
Introduction
-
Apache Flink چیست
What Is Apache Flink?
-
برنامههای Flink
Flink Applications
-
جریانهای چندگانه
Multiple Streams
-
نصب Apache Flink
Installing Apache Flink
-
پردازش رکوردهای انفرادی
Processing Individual Records
-
[تمرین] پردازش جریان داده
[Exercise] Stream Processing
-
[تمرین] راه حل پردازش جریان داده
[Exercise] Stream Processing - Solution
-
پنجرههای زمانی
Time Windows
-
پنجرههای کلیددار
Keyed Windows
-
استفاده از پنجرههای زمانی
Using Time Windows
-
واترمارکها
Watermarks
-
عملیات پیشرفته پنجره
Advanced Window Operations
-
پردازش جریان داده حالتدار
Stateful Stream Processing
-
استفاده از وضعیت محلی
Using Local State
-
[تمرین] تشخیص ناهنجاریها
[Exercise] Anomalies Detection
-
[تمرین] راه حل تشخیص ناهنجاریها
[Exercise] Anomalies Detection - Solution
-
پیوستن جریانها (Joining Streams)
Joining Streams
-
خلاصه
Summary
نمایش نظرات