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 دهید تا 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

  • مدل داده فیزیکی منطقی Logical Physical Data Model

  • نمودارهای رابطه موجودیت Entity Relationship Diagrams

  • نرمال سازی Normalization

  • 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

  • نرمال سازی داده (1/3) Data Normatlization (1/3)

  • نرمال سازی داده (2/3) Data Normatlization (2/3)

  • نرمال سازی داده (3/3) Data Normatlization (3/3)

  • STAR Schema Snowflake STAR Schema Snowflake

SQL پیشرفته: تسلط بر رویه های ذخیره شده، جداول موقت Advanced SQL: Mastering Stored Procedures, Temporary Tables

  • رویه های ذخیره شده و UDF (1/3) Stored Procedures and UDFs (1/3)

  • رویه های ذخیره شده و UDF (2/3) Stored Procedures and UDFs (2/3)

  • رویه های ذخیره شده و UDF (3/3) Stored Procedures and UDFs (3/3)

  • جدول موقت Temp Table

  • نمای Materialized Materialized View

  • تراکنش ها Transactions

  • ساختارهای SQL SQL Structures

SQL پیشرفته: وظایف عملی Advanced SQL: Practical Tasks

  • سوال 1 Question 1

  • سوال 2 Question 2

  • سوال 3 Question 3

  • سوال 4 Question 4

ساخت خطوط لوله داده با Apache Airflow: درک خطوط لوله داده Building Data Pipelines with Apache Airflow: Understanding Data Pipelines

  • معرفی خطوط لوله داده Introduction to Data Pipelines

  • معماری خط لوله داده Data Pipeline Architecture

  • ETL در مقابل ELT ETL vs. ELT

  • طراحی خط لوله داده Designing a Data Pipeline

ساخت خطوط لوله داده با Apache Airflow: تمرین با Apache Airflow Building Data Pipelines with Apache Airflow: Hands-on with Apache Airflow

  • معرفی Apache Airflow Introduction to Apache Airflow

  • نصب Apache Airflow Installation of Apache Airflow

  • رابط کاربری Airflow Airflow UI

  • DAG ها و وظایف DAGs and Tasks

  • معماری Airflow Airflow Architecture

  • اپراتورهای Airflow Airflow Operators

  • Hook های Airflow Airflow Hooks

  • معرفی BashOperator Introduction to the BashOperator

  • معرفی PythonOperator Introduction to the PythonOperator

  • ساخت یک خط لوله End-to-end Building an End-to-end Pipeline

مفاهیم پیشرفته خط لوله داده Advanced Data Pipeline Concepts

  • مفاهیم پیشرفته خط لوله داده Advanced Data Pipeline Concepts

  • شکست خط لوله Pipeline Failure

  • تضمین قابلیت اطمینان خط لوله داده Ensuring Data Pipeline Reliability

  • Backfilling خطوط لوله Backfilling Pipelines

  • Change Data Capture Change Data Capture

ساخت خطوط لوله در Cloud Building Pipelines In the Cloud

  • ساخت خطوط لوله در Cloud Building Pipelines In the Cloud

  • امنیت در Cloud Security in the cloud

  • مدیریت هزینه در Cloud Cost management in the cloud

  • مدیریت قطعی در Cloud Managing outages in the cloud

نمایش نظرات

آموزش بوت کمپ مهندسی داده 2025
جزییات دوره
8 hours
115
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
316
4.7 از 5
دارد
دارد
دارد
365 Careers
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

365 Careers 365 Careers

ایجاد فرصت برای دانشجویان علوم داده و مالی