آموزش انبار داده - راهنمای نهایی

Data Warehouse - The Ultimate Guide

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: کارشناسی ارشد انبار داده، مدل‌سازی ابعادی و فرآیند ETL معمار و پیاده‌سازی یک انبار داده حرفه‌ای به صورت سرتاسری شما اصول طراحی انبار داده را یاد می‌گیرید. فرآیند ETL را هم در تئوری و هم در عمل تسلط خواهید داشت. در یک مطالعه موردی داده‌های خود را پیاده‌سازی خواهید کرد. انبار و فرآیند ETL معماری مدرن یک مدل سازی ابعادی انبار داده را به روشی حرفه ای یاد خواهید گرفت.

انبار داده اصلی، فرآیند ETL مدلسازی بعدی

آیا می خواهید یاد بگیرید که چگونه یک انبار داده را به روشی مدرن پیاده سازی کنید؟

این تنها دوره‌ای است که برای تسلط بر معماری و پیاده‌سازی یک انبار داده سرتاسر نیاز دارید!


مدل سازی داده ها و ذخیره سازی داده ها یکی از مهم ترین مهارت ها در مهندسی داده هوش تجاری است!

این جامع‌ترین و مدرن‌ترین دوره‌ای است که می‌توانید درباره انبار داده پیدا کنید.


دلیل آن این است:

  • جامع ترین دوره با 9 ساعت سخنرانی ویدیویی

  • از یک متخصص واقعی بیاموزید - واضح و شفاف

  • عمل تئوری کارشناسی ارشد - نمایش های عملی، آزمون های تکالیف

  • ما یک انبار داده کامل را اجرا خواهیم کرد - سرتاسر

  • همه چیز را گام به گام از اصول اولیه تا موضوعات پیشرفته درک کنید

  • مراحل عملی و نظریه مهم برای ارتقاء مهارت شغلی خود را بیاموزید

این دوره شما را تا جایی که بتوانید یک انبار داده را در یک شرکت به شیوه ای حرفه ای معماری و پیاده سازی کنید، طی می کند.


در اینجا چیزی است که یاد خواهید گرفت:

  • مبانی انبار داده

  • معماری انبار داده

  • زیرساخت انبار داده

  • مدلسازی داده

  • تنظیم فرآیند ETL

  • مدلسازی بعدی: ابعاد حقایق

  • اجرای یک انبار داده کامل بصورت عملی

  • تغییر آهسته ابعاد

  • آشنایی با ابزارهای ETL

  • ELT در مقابل ETL

  • موضوعات پیشرفته مانند: ذخیره سازی ستونی، مکعب های OLAP، پایگاه داده های درون حافظه، انبارهای داده ابری پردازش موازی عظیم

  • بهینه سازی انبار داده با استفاده از نمایه ها (شاخص های B-tree نمایه های Bitmap)

  • استفاده عملی و اتصال انبار داده


در پایان این دوره شما قادر خواهید بود یک انبار داده کامل را از پایه طراحی کنید. شما دانش، مهارت های عملی و اعتماد به نفس لازم برای اجرای حرفه ای انبار داده مدرن را خواهید داشت.

همه چیزهایی که برای داشتن یک معمار داده، مهندس داده، تحلیلگر داده یا متخصص هوش تجاری بسیار ماهر نیاز دارید!


برای دسترسی فوری مادام العمر - هم اکنون بپیوندید - البته با ضمانت بازگشت پول 30 روزه بدون سوال!





سرفصل ها و درس ها

مقدمه Intro

  • خوش آمدی! Welcome!

  • نحوه کار این دوره How this course works

  • در این دوره چه چیزهایی یاد می گیرید؟ What do you learn in this course?

  • اسلایدهای دوره Course slides

مبانی انبار داده Data Warehouse Basics

  • چرا انبار داده؟ Why a data warehouse?

  • انبار داده چیست؟ What is a data warehouse?

  • هدف یک انبار داده The purpose of a data warehouse

  • هوش تجاری چیست؟ What is Business Intelligence?

  • دریاچه داده یا انبار داده؟ Data Lake or Data Warehouse?

  • دریاچه داده و هوش تجاری Data Lake & Business Intelligence

  • نسخه ی نمایشی و عملی Demos & Hands-on

  • راه اندازی Pentaho (ابزار ETL) Setting up Pentaho (ETL tool)

  • راه اندازی PostgreSQL (سیستم پایگاه داده) Setting up PostgreSQL (Database system)

معماری انبار داده Data Warehouse Architecture

  • 3 لایه انبار داده 3 Layers of a Data Warehouse

  • منطقه صحنه سازی Staging area

  • نسخه ی نمایشی: تنظیم منطقه صحنه Demo: Setting up the staging area

  • Data Marts Data Marts

  • منطقه صحنه و دیتا مارت Staging area & Data Marts

  • پایگاه های داده رابطه ای Relational databases

  • پایگاه های داده درون حافظه In-Memory databases

  • مکعبها Cubes

  • سیستم های مختلف پایگاه داده Different database systems

  • ذخیره سازی داده های عملیاتی Operational Data Storage

  • خلاصه Summary

مدلسازی ابعادی Dimensional Modeling

  • مدل سازی ابعادی چیست؟ What is dimensional modeling?

  • چرا مدل سازی ابعادی؟ Why dimensional modeling?

  • حقایق Facts

  • ابعاد Dimensions

  • طرح واره ستاره Star schema

  • طرح واره دانه های برف Snowflake schema

  • نسخه ی نمایشی: بعد محصول و دسته (برفی) Demo: Product & Category dimension (snowflaked)

  • حقایق و ابعاد (ProjectLogs) Facts & Dimensions (ProjectLogs)

  • حقایق و ابعاد (معاملات فروش) Facts & Dimensions (SalesTransactions)

  • مدل سازی ابعادی Dimensional modeling

حقایق Facts

  • افزودنی Additivity

  • در حقایق باطل است Nulls in facts

  • حقایق سال به روز Year-to-Date facts

  • حقایق I Facts I

  • انواع جداول واقعیت Types of fact tables

  • جداول واقعیت معاملاتی Transactional fact tables

  • جداول اطلاعات دوره ای Periodic fact tables

  • جمع آوری عکس های فوری Accumulating snapshots

  • مقایسه انواع جدول واقعیت Comparing fact table types

  • شناسایی جداول واقعیت Identifying fact tables

  • جداول حقایق بدون واقعیت Factless fact tables

  • مراحل طراحی جداول اطلاعات Steps in designing fact tables

  • کلیدهای جانشین Surrogate Keys

  • مطالعه موردی: پروژه Case Study: The Project

  • مطالعه موردی: فرآیند کسب و کار را شناسایی کنید Case Study: Identify the business process

  • مطالعه موردی: دانه را تعریف کنید Case Study: Define the grain

  • مطالعه موردی: ابعاد را مشخص کنید Case Study: Identify the dimensions

  • مطالعه موردی: حقایق را شناسایی کنید Case Study: Identify the facts

ابعاد Dimensions

  • جداول ابعاد Dimension tables

  • ابعاد تاریخ Date dimensions

  • تهی در ابعاد Nulls in dimensions

  • سلسله مراتب در ابعاد Hierarchies in dimensions

  • ابعاد منطبق Conformed dimensions

  • ابعاد منحط Degenerate dimensions

  • بعد آشغال Junk dimension

  • بعد نقش آفرینی Role-playing dimension

  • مطالعه موردی: بعد تاریخ Case Study: Date dimension

  • درک ابعاد Understanding dimensions

به آرامی تغییر ابعاد Slowly Changing Dimensions

  • چه ابعادی به آرامی در حال تغییر هستند؟ What are slowly changing dimensions?

  • نوع 0 - اصلی Type 0 - Original

  • نوع 1 - رونویسی Type 1 - Overwrite

  • نوع 2 - ردیف اضافی Type 2 - Additional row

  • مدیریت ابعاد نوع 2 Administrating Type 2 dimensions

  • اختلاط نوع 1 و نوع 2 Mixing Type 1 & Type 2

  • نوع 3 - ویژگی اضافی Type 3 - Additional attribute

  • درک ابعاد در حال تغییر به آرامی Understanding Slowly Changing Dimensions

فرآیند ETL ETL process

  • درک فرآیند ETL Understanding the ETL process

  • استخراج کردن Extract

  • بار اولیه Initial Load

  • بار دلتا Delta Load

  • بارگذاری گردش کار Load Workflow

  • نسخه ی نمایشی: معرفی سریع پنتاهو Demo: Quick Intro to Pentaho

  • نسخه ی نمایشی: تنظیم جداول در SQL Demo: Setting up tables in SQL

  • نسخه ی نمایشی: مثال بارگذاری اولیه Demo: Initial Load example

  • نسخه ی نمایشی: نمونه بار دلتا Demo: Delta Load example

  • تبدیل داده ها Transforming data

  • تحولات اساسی Basic Transformations

  • تحولات پیشرفته Advanced Transformations

  • نسخه ی نمایشی: برنامه ریزی مراحل بعدی Demo: Planning next steps

  • نسخه ی نمایشی: راه اندازی جدول و مرحله بندی کامل Demo: Table setup & Complete Staging

  • نسخه ی نمایشی: تبدیل Demo: Transform

  • نسخه ی نمایشی: بارگیری و اعتبارسنجی نتایج Demo: Load & Validate results

  • برنامه ریزی مشاغل Scheduling jobs

ابزارهای ETL ETL tools

  • ابزارهای ETL ETL tools

  • انتخاب ابزار مناسب ETL Choosing the right ETL tool

مطالعه موردی: ایجاد یک انبار داده Case Study: Creating a Data Warehouse

  • طرح حمله Plan of attack

  • داده های منبع و طراحی جدول Source data & table design

  • تنظیم جداول در پایگاه داده Setting up the tables in database

  • صحنه سازی: واقعیت فروش Staging: Sales Fact

  • مرحله بندی کار و رفع مشکلات Staging job & fixing problems

  • ابعاد پرداخت بار Load Payment Dimension

  • تبدیل و بارگذاری واقعیت فروش Transform & Load Sales Fact

  • تبدیل و بارگذاری کار Transform & Load job

  • کار نهایی ETL و بار افزایشی Final ETL job & Incremental Load

ETL در مقابل ELT ETL vs. ELT

  • ELT چیست؟ What is an ELT?

  • ETL در مقابل ETL ETL vs. ETL

استفاده از انبار داده Using a Data Warehouse

  • موارد استفاده رایج چیست؟ What are the common use cases?

  • اتصال DWH به Power BI Connecting the DWH to Power BI

بهینه سازی انبار داده Optimizing a Data Warehouse

  • با استفاده از شاخص ها Using indexes

  • شاخص های درخت B B-tree indexes

  • نمایه های بیت مپ Bitmap indexes

  • دستورالعمل برای نمایه ها Guidelines for indexes

  • نسخه ی نمایشی: تنظیم شاخص ها Demo: Setting indexes

انبارهای داده مدرن The Modern Data Warehouses

  • Cloud در مقابل on-premise Cloud vs. on-premise

  • مزایای ابر در مقابل بستری Benefits cloud vs on-premise

  • پردازش موازی عظیم Massive parallel processing

  • ذخیره سازی ستونی Columnar storage

جایزه Bonus

  • سخنرانی پاداش Bonus lecture

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش انبار داده - راهنمای نهایی
جزییات دوره
9 hours
101
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
17,292
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Nikolai Schuler Nikolai Schuler

دانشمند داده و مشاور BI