آموزش مقدمه ای بر مهندسی تجزیه و تحلیل

Introduction to Analytics Engineering

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

مهندسی تجزیه و تحلیل نقش نسبتا جدیدی در زمینه داده است. اگر به دنبال شروع حرفه ای به عنوان یک مهندس تجزیه و تحلیل یا استخدام برای یک موقعیت مهندسی تجزیه و تحلیل در شرکت خود هستید، این دوره می تواند اطلاعاتی را که برای شروع کار نیاز دارید در اختیار شما قرار دهد. مربی و مهندس تجزیه و تحلیل Amataverna Lee شما را راهنمایی می کند که مهندسی تجزیه و تحلیل چیست، چرا اهمیت دارد و کدام نقش ها می توانند به راحتی به مهندسی تجزیه و تحلیل تبدیل شوند. او مدل سازی داده ها، انبارهای داده ابری، ابزارهای خط لوله داده و ابزارهای هوش تجاری را توضیح می دهد. Amataverna چندین روش برتر مهندسی نرم افزار را بررسی می کند. به علاوه، او به شما نشان می‌دهد که چگونه اسناد و ارتباطات در نقش‌های مهندسی تحلیل مهم هستند.


سرفصل ها و درس ها

معرفی Introduction

  • مهندسی تحلیل چیست؟ What is analytics engineering?

  • پیش نیازهای دوره Prerequisites for the course

  • امتحان فصل Chapter Quiz

1. چرا مهندسی تجزیه و تحلیل؟ 1. Why Analytics Engineering?

  • چگونه حوزه داده ها در چند سال گذشته تغییر کرده است How the field of data has changed in the last couple of years

  • مهندسی تحلیل چگونه بوجود آمد؟ How did analytics engineering come to be?

  • مهندسان تحلیل از کجا می آیند؟ Where do analytics engineers come from?

  • چه مهارت هایی برای مهندسی تجزیه و تحلیل مورد نیاز است؟ What skills are needed for analytics engineering?

  • امتحان فصل Chapter Quiz

2. مدل سازی داده ها 2. Data Modeling

  • مدل سازی داده چیست؟ What is data modeling?

  • انبارهای داده ابری: دانه برف Cloud data warehouses: Snowflake

  • ابزار خط لوله داده: DBT Data pipeline tools: DBT

  • ابزار هوش تجاری (BI): جستجوگر Business intelligence (BI) tools: Looker

  • چالش: یک مدل داده ساده بسازید Challenge: Build a simple data model

  • راه حل: یک مدل داده ساده بسازید Solution: Build a simple data model

  • امتحان فصل Chapter Quiz

3. بهترین روش های مهندسی نرم افزار 3. Software Engineering Best Practices

  • با استفاده از Git Using Git

  • کنترل نسخه و تست Version control and testing

  • چالش: یک درخواست کشش اضافه کنید Challenge: Add a pull request

  • راه حل: یک درخواست کشش اضافه کنید Solution: Add a pull request

  • امتحان فصل Chapter Quiz

4. اسناد و ارتباطات 4. Documentation and Communication

  • نوشتن مستندات Writing documentation

  • ارتباط با تیم تجاری Communicating with the business team

  • چالش: نوشتن مستندات Challenge: Writing documentation

  • راه حل: نوشتن مستندات Solution: Writing documentation

  • امتحان فصل Chapter Quiz

نتیجه Conclusion

  • نقش مهندس تجزیه و تحلیل را جمع بندی کنید و در نظر بگیرید Wrap up and consider the analytics engineer role

نمایش نظرات

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.

آموزش مقدمه ای بر مهندسی تجزیه و تحلیل
جزییات دوره
56m
26
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Amataverna Lee Amataverna Lee

مهندس داده

Amataverna Lee انبارهای داده را نگهداری می کند و کار می کند تا داده ها را در دسترس و درک آسان قرار دهد.

به عنوان یک مهندس داده، Amataverna مشتاق به اشتراک گذاری اطلاعات در پلت فرم های داده جدید و سنتی است. او به طور منظم از SQL برای مدیریت انواع داده ها، از میلیون ها شناسه کلیک گرفته تا چند صد ردیف نام مشتری، استفاده کرده است. Amataverna تفاوت های ظریف بین گویش های SQL را درک می کند. او در نحوه استفاده از اتصال‌های مختلف، استفاده از بندها/عنوان‌های فرعی مختلف و بهینه‌سازی عملکرد پرس‌وجو یک متخصص پیشرو است.

Amataverna اصرار دارد که داده‌ها را به طور مؤثر منتقل کند. او شغل تدریس خصوصی را در هر دو محیط کلاس درس چینی و انگلیسی داشته است و از طریق BUILT BY GIRLS به دانش آموزان راهنمایی می کند. Amataverna کلاس یادگیری پایتون را راه اندازی کرد و ویدیوهای آموزشی را سازماندهی، نوشته و فیلمبرداری کرد.