🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش بوت کمپ مهندسی داده 2025
- آخرین آپدیت
دانلود The Data Engineer Bootcamp 2025
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آموزش جامع مهندسی داده: از مبتدی تا متخصص آماده به کار!
آیا می خواهید وارد دنیای مهندسی داده شوید؟یا مهارت های خود را ارتقا دهیدتا یک شغل پردرآمد در این زمینه پیدا کنید؟
این بوت کمپ شما را از سطح مبتدی به یک متخصص آماده به کار تبدیل می کند و به شما کمک می کند تا بر ابزارها، فناوری ها و بهترین روش های مورد استفاده شرکت های بزرگ فناوری مانند متا، گوگل و آمازون مسلط شوید.
این دوره توسط یک متخصص صنعت، شاشانک کالانیتی، مهندس نرم افزار در متا، تدریس می شود. این بوت کمپ مملو از پروژه های واقعی، تمرین های عملی و بینش های شغلی است تا موفقیت شما را در مهندسی داده تسریع بخشد.
آنچه خواهید آموخت و به دست خواهید آورد:
به دست آوردن یک نقشه راه روشن به سوی مهندسی داده - درک اینکه مهندسان داده چه می کنند، فرصت های شغلی و نحوه استخدام
تسلط بر SQL پیشرفته برای مهندسی داده - کار با پرس و جوهای پیچیده، بهینه سازی پایگاه های داده و تحت تاثیر قرار دادن مدیران استخدام
ساخت و خودکارسازی خطوط لوله داده - یادگیری Apache Airflow، فرآیندهای ETL/ELT و ابزارهای سازماندهی
مهندسی داده ابری - کار عملی با ابزارهای AWS، Azure و Google Cloud مانند AWS Glue، Azure Data Factory و GCP BigQuery
بهینه سازی عملکرد و امنیت - یادگیری نحوه مدیریت هزینه ها، ایمن سازی داده ها و پیاده سازی ثبت و نظارت.
عیب یابی مانند یک حرفه ای - مقابله با شکست های خط لوله، قطعی ها و تنگناهای عملکرد با اطمینان
موفقیت در مصاحبه های مهندسی داده - به دست آوردن نکات داخلی، مطالعات موردی واقعی و مفاهیم فنی ضروری
ایجاد یک نمونه کار برنده جایزه شغلی - اعمال آنچه می آموزید از طریق پروژه های عملی که تخصص شما را به نمایش می گذارد
چرا این بوت کمپ؟
یادگیری مهارت های مورد نیاز مورد استفاده شرکت های بزرگ فناوری
پروژه های عملی برای ایجاد تجربه دنیای واقعی
تدریس توسط یک متخصص صنعت با تجربه کار در متا و سایر شرکت های فناوری
محتوای آماده شغلی برای کمک به شما در کسب نقش مهندسی داده
دسترسی مادام العمر - با سرعت خود و در هر زمان یاد بگیرید!
این سریعترین مسیر شما برای ورود به شغل مهندسی داده است. ماه ها وقت خود را برای فهمیدن آن به تنهایی تلف نکنید - آموزش ساختاریافته و مبتنی بر تخصص دریافت کنید و فرصت های پردرآمد در فناوری را به دست آورید!
همین حالا ثبت نام کنید و امروز ساختن آینده خود را در مهندسی داده آغاز کنید!
مهندسی داده چیست؟ آموزش مهندسی داده
مهندسی داده فرآیند طراحی، ساخت و مدیریت زیرساخت های داده برای جمع آوری، ذخیره سازی و تجزیه و تحلیل داده ها است. این شامل ساخت خطوط لوله داده است که داده ها را از منابع مختلف به انبار داده یا دریاچه داده منتقل می کند. هدف اصلی مهندسی داده، اطمینان از دسترسی آسان و کارآمد به داده ها برای تجزیه و تحلیل و تصمیم گیری است.
مهارت های مورد نیاز مهندس داده
برای موفقیت در مهندسی داده، نیاز به تسلط بر مهارت های زیر دارید:
SQL: برای پرس و جو و مدیریت پایگاه داده ها
پایگاه داده ها: آشنایی با انواع پایگاه داده ها مانند SQL و NoSQL
خطوط لوله داده: ساخت و مدیریت خطوط لوله داده با استفاده از ابزارهایی مانند Apache Airflow
محاسبات ابری: کار با پلتفرم های ابری مانند AWS، Azure و GCP
امنیت داده ها: پیاده سازی بهترین شیوه ها برای امنیت و مدیریت هزینه
فرصت های شغلی در مهندسی داده
مهندسی داده یک حوزه رو به رشد است و فرصت های شغلی زیادی برای مهندسان داده وجود دارد. برخی از موقعیت های شغلی رایج عبارتند از:
مهندس داده
معمار داده
تحلیلگر داده
با شرکت در این دوره آموزش مهندسی داده، می توانید مهارت های لازم را برای ورود به این حوزه پردرآمد کسب کنید.
سرفصل ها و درس ها
مقدمه ای بر ماژول مهندسی داده: شغل مهندسی داده
Intro to Data Engineering Module: Data Engineering Career
معرفی دوره
Course Introduction
مهندس داده کیست؟
What Is a Data Engineer?
چرخه حیات مهندسی داده
Data Engineering Lifecycle
مشاغل مشابه با مهندسی داده
Similar Careers to Data Engineering
مدل های سرویس مهندسی داده
Data Engineering Service Models
راهنمای سطح بندی مهندس داده
Data Engineer Leveling Guide
مهارت های فنی یک مهندس داده
Technical Skills of a Data Engineer
آزمون
Quiz
مقدمه ای بر ماژول مهندسی داده: معماری داده
Intro to Data Engineering Module: Data Architecture
معماری داده چیست؟
What Is Data Architecture?
نمونه ای از معماری داده
A Sample Data Architecture
دریاچه های داده، باتلاق ها، انبارها و مارت ها
Data Lakes, Swamps, Warehouses, and Marts
پشته داده مدرن
Modern Data Stack
اتصال به داده
Connecting to Data
معماری داده خوب
Good Data Architecture
مقدمه ای بر ماژول مهندسی داده: هماهنگ سازی داده
Intro to Data Engineering Module: Data Orchestration
خطوط لوله داده و هماهنگ سازی داده
Data Pipelines and Data Orchestration
Apache Airflow
Apache Airflow
مقدمه ای بر ماژول مهندسی داده: پایگاه داده های رابطه ای
Intro to Data Engineering Module: Relational Databases
مروری بر پایگاه داده های رابطه ای
Relational Database Overview
سازماندهی پایگاه داده های رابطه ای
Organizing Relational Databases
انواع پایگاه داده های رابطه ای
Relational Database Types
تعامل با پایگاه داده های رابطه ای: SQL
Interacting with Relational Databases: SQL
پایگاه داده های رابطه ای
Relational Databases
مقدمه ای بر ماژول مهندسی داده: پایگاه داده های غیر رابطه ای
Intro to Data Engineering Module: Non-relational Databases
ویژگی های ACID
ACID Properties
پایگاه داده های سند گرا
Document Databases
پایگاه داده های کلید-مقدار
Key-Value Database
ذخیره سازی شی گرا
Object Storage
پایگاه داده های ستونی
Columnar Database
پایگاه داده های گراف
Graph Database
سوالات پایگاه داده No-SQL
No-SQL Database Questions
مقدمه ای بر ماژول مهندسی داده: مهندسی نرم افزار
Intro to Data Engineering Module: Software Engineering
مقیاس پذیری افقی در مقابل مقیاس پذیری عمودی
Horizontal Scaling vs Vertical Scaling
پایتون
Python
API ها
APIs
اسکریپت نویسی شل
Shell Scripting
Cron
Cron
کنترل نسخه - Git - Mercurial
Version Control - Git - Mercurial
تست
Testing
Docker و Containerization
Docker and Containerization
مدیریت زیرساخت
Infrastructure Management
مقدمه ای بر ماژول مهندسی داده: مهندس داده کلان
Intro to Data Engineering Module: Big Data Engineer
داده کلان چیست؟
What is Big Data?
Hadoop
Hadoop
Spark
Spark
Kafka
Kafka
مقدمه ای بر ماژول مهندسی داده: مدلسازی داده
Intro to Data Engineering Module: Data Modeling
انبار داده Kimball و Inmon
Kimball and Inmon Data Warehousing
مقدمه ای بر ماژول مهندسی داده: امنیت و حریم خصوصی
Intro to Data Engineering Module: Security and Privacy
غیر اختیاری بودن امنیت و حریم خصوصی
The Non-optionality of Security and Privacy
PII
PII
اصل کمترین امتیاز
Principle of Least Privilege
SQL پیشرفته: تنظیم محیط
Advanced SQL: Setting Up the Environment
معرفی دوره
Introduction to the Course
مخزن GitHub دوره
Course GitHub Repository
تنظیم محیط
Setting Up the Environment
مروری بر پایگاه داده های رابطه ای
An Overview of Relational Databases
DDL، DML، DQL، DCL
DDL, DML, DQL, DCL
نحو SQL
SQL Syntax
SQL پیشرفته: دستکاری پایگاه داده ها: تسلط بر دستورات ضروری SQL
Advanced SQL: Manipulating Databases: Mastering Essential SQL Statements
معرفی دستورات SQL
Intro SQL statements
CREATE
CREATE
ALTER
ALTER
INSERT
INSERT
UPDATE
UPDATE
DELETE
DELETE
MERGE
MERGE
DROP
DROP
SQL پیشرفته: زمان همه چیز است: مدیریت و دستکاری DateTime در SQL
Advanced SQL: Timing Is Everything: Managing and Manipulating DateTime in SQL
معرفی DateTime
DateTime Intro
انواع مختلف DateTime
Different DateTime Types
مناطق زمانی
Timezones
فواصل
Intervals
SQL پیشرفته: انواع داده پیچیده: ENUM، ARRAY، Ranges، و داده های تو در تو در SQL
Advanced SQL: Complex Data Types: ENUMs, ARRAYs, Ranges, and Nested Data in SQL
ENUM
ENUM
ARRAYs
ARRAYs
RANGE
RANGE
داده های تو در تو
Nested Data
SQL پیشرفته: تکنیک های پرس و جو پیشرفته: کاوش OVER، JOINS، CASE و موارد دیگر
Advanced SQL: Advanced Query Techniques: Exploring OVER, JOINS, CASE and more
OVER
OVER
CROSS JOIN
CROSS JOIN
LATERAL JOIN
LATERAL JOIN
CROSS JOIN LATERAL
CROSS JOIN LATERAL
COALESCE
COALESCE
CASE
CASE
CONCAT
CONCAT
Recursive CTE
Recursive CTE
Recursive CTE - قسمت دوم
Recursive CTE - Second Part
SQL پیشرفته: بهینه سازی ساختارهای داده: هنر نرمال سازی داده
Advanced SQL: Optimizing Data Structures: The Art of Data Normalization
نمایش نظرات