آموزش مدل‌سازی داده‌های بزرگ و سیستم‌های ذخیره‌سازی - آخرین آپدیت

دانلود 빅 데이터 모델링 및 관리 시스템

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: آیا می‌خواهید بدانید چگونه داده‌های حجیم را مدیریت کنید، از مدل‌های داده‌های بزرگ برای ذخیره‌سازی بهینه استفاده کنید و سیستم‌های مدیریت داده را به صورت حرفه‌ای طراحی کنید؟ در این دوره، جامع‌ترین مفاهیم مدل‌سازی داده‌های بزرگ و سیستم‌های ذخیره‌سازی را خواهید آموخت. با گذراندن این دوره، شما قادر خواهید بود مدل‌های داده‌ای را طراحی کنید که کارایی حداکثری و مقیاس‌پذیری بالایی داشته باشند. ما در این مسیر، مفاهیم تئوری را با کاربردهای عملی و سناریوهای واقعی ترکیب کرده‌ایم تا یادگیری شما سریع‌تر و موثرتر باشد. همچنین ابزارها و سیستم‌های متنوعی از جمله AsterixDB، HP Vertica، Impala، Neo4j، Redis و SparkSQL را بررسی خواهیم کرد. این دوره به شما می‌آموزد که چگونه در دنیای داده‌های کلان، داده‌ها را سازماندهی کرده و سیستم‌های ذخیره‌سازی مناسب را انتخاب کنید. با شرکت در این دوره، مهارت‌های زیر را کسب خواهید کرد: * شناسایی و تحلیل مدل‌های داده‌ای در محیط‌های عملیاتی و تولیدی. * طراحی و پیاده‌سازی سیستم‌های ذخیره‌سازی داده‌های بزرگ با رعایت استانداردهای زیرساختی. * درک عمیق از انواع مدل‌های داده‌ای و انتخاب بهینه بر اساس نیاز پروژه. * تسلط بر مدل‌سازی داده‌ها برای بهینه‌سازی کوئری‌ها و سرعت دسترسی. * پیاده‌سازی استراتژی‌های ذخیره‌سازی داده‌های ساختاریافته و بدون ساختار. * تحلیل تفاوت‌های سیستم‌های ذخیره‌سازی مختلف و انتخاب ابزار مناسب. * آشنایی با معماری سیستم‌های مدیریت داده‌های بزرگ و نحوه تعامل آن‌ها. * یادگیری نحوه مدیریت داده‌ها در مقیاس بسیار بالا. * استقرار سیستم‌های ذخیره‌سازی داده در محیط‌های ابری و محلی. این دوره برای هر کسی که به دنبال تسلط بر تحلیل داده‌ها و مهندسی داده است، طراحی شده است. برای اجرای بخش‌های عملی، شما به سخت‌افزار و نرم‌افزارهای ذکر شده در زیر نیاز دارید تا بتوانید تمرینات را به صورت محیطی شبیه‌سازی کنید. لطفاً پیش از شروع، پیش‌نیازهای سخت‌افزاری و نرم‌افزاری را بررسی نمایید. مشخصات سخت‌افزاری مورد نیاز: (A) پردازنده با پشتیبانی از مجازی‌سازی (VT-x, AMD-V فعال)، ۶۴ بیتی (B) حداقل ۸ گیگابایت رم (C) ۲۰ گیگابایت فضای خالی دیسک. روش بررسی سخت‌افزار: (Windows): منوی Start > System > About یا راست‌کلیک روی Computer و انتخاب Properties. (Mac): منوی Apple > About this Mac > Overview. در صورتی که رم سیستم شما کمتر از ۸ گیگابایت است، توصیه می‌شود حداقل ۴ گیگابایت را به ماشین مجازی اختصاص دهید، هرچند ممکن است سرعت اجرا کاهش یابد. مشخصات نرم‌افزاری مورد نیاز: این دوره از Apache Hadoop به عنوان هسته اصلی پردازش استفاده می‌کند. تمامی نرم‌افزارها به صورت رایگان (Open Source) قابل دانلود و نصب هستند (لینک‌ها در بخش منابع دوره قرار دارد). سیستم‌عامل‌های مورد پشتیبانی شامل Windows 7+، Mac OS X 10.10+، Ubuntu 14.04+ یا CentOS 6+ و همچنین VirtualBox 5+ می‌باشد.

سرفصل ها و درس ها

مدل‌سازی داده‌های بزرگ و سیستم‌های ذخیره‌سازی-مقدمه 빅 데이터 모델링 및 관리 시스템 개요

  • به دنیای مدل‌سازی داده‌ها و ذخیره‌سازی خوش آمدید 빅 데이터 모델링 및 관리에 오신 걸 환영합니다

  • چرا این دوره به بررسی مفاهیم و تحلیل داده‌های بزرگ می‌پردازد؟ 왜 이 강의가 빅 데이터 전문 과정의 새로운 강의인가요?

  • مقدمه‌ای بر داده‌های بزرگ (بخش ۱) 빅 데이터 개요 요약 (파트 1)

  • مقدمه‌ای بر داده‌های بزرگ (بخش ۲) 빅 데이터 개요 요약 (파트 2)

  • مقدمه‌ای بر داده‌های بزرگ (بخش ۳) 빅 데이터 개요 요약 (파트 3)

  • ذخیره‌سازی داده‌ها: «بیشتر ذخیره کنید، بعداً فکر کنید» 빅 데이터 관리 ‘꼭 해봐야 할 질문’

  • مفهوم داده 데이터 흡수

  • مجموعه داده‌ها 데이터 저장소

  • پایگاه داده 데이터 품질

  • مدل داده 데이터 연산

  • طرح و ساختار داده 데이터 확장성 및 보안

  • سیستم ذخیره‌سازی داده‌ها در ConEd ConEd에서 에너지 데이터 관리 시 문제점

  • گفتگو با مدیران داده: پرسش و پاسخ با Mark Caldwell، مدیر فناوری Apmetrix 게임 업계 데이터 관리: Apmetrix CTO Mark Caldwell과의 Q&A

  • سیستم ذخیره‌سازی داده‌های FlightStats: بررسی توسط Chad Berkley FlightStats의 항공 데이터 관리: CTO Chad Berkley의 강의

مدل‌سازی داده‌ها 빅 데이터 모델링

  • مقدمه‌ای بر مدل داده 데이터 모델 개요

  • ساختار مدل داده 데이터 모델 구조

  • مدل‌سازی داده‌ها 데이터 모델 연산

  • طراحی مدل داده 데이터 모델 제약조건

  • مقدمه‌ای بر داده‌های CSV CSV 데이터 개요

  • مدل‌های داده‌ای ساختارنیافته 관계형 데이터 모델이란

  • مدل‌های داده‌ای ساختاریافته 반정형 데이터 모델이란

  • بارگذاری مدل‌های ساختارنیافته از فایل CSV CSV 파일의 관계형 모델 알아보기

  • بارگذاری مدل‌های ساختاریافته از داده‌های JSON JSON 데이터의 반정형 데이터 모델 알아보기

  • بارگذاری مدل‌های داده از دیتابیس‌های موجود 이미지의 배열 데이터 모델 알아보기

  • بارگذاری داده‌های متنی 센서 데이터 알아보기

مدل‌سازی داده‌ها (بخش دوم) 빅 데이터 모델링 (파트 2)

  • مدل‌های گراف 벡터 스페이스 모델

  • مدل‌های اسناد (Document) 그래프 데이터 모델

  • مدل‌های کلید-مقدار (Key-Value) 기타 데이터 모델

  • بارگذاری مدل‌های گراف با استفاده از جستجوی Lucene Lucene 검색 엔진의 벡터 데이터 모델 알아보기

  • بارگذاری مدل‌های اسناد با استفاده از Gephi Gephi를 활용한 그래프 데이터 모델 알아보기

کار با مدل‌های داده‌ای 데이터 모델로 작업하기

  • مدل داده در مقابل مدل مفهومی 데이터 모델 vs. 데이터 포맷

  • استریم داده‌ها 데이터 스트림이란

  • تفاوت داده‌های استریم در چیست؟ 스트리밍 데이터는 왜 다를까?

  • درک مفهوم جریان داده 데이터 호수 이해하기

  • بارگذاری داده‌های استریم متنی 스트리밍 센서 데이터 알아보기

  • بارگذاری استریم داده‌های توییتر (مورد مطالعه) Twitter 데이터 스트리밍 알아보기(선택 강의)

ذخیره‌سازی داده‌های بزرگ: مفهوم M در DBMS 빅 데이터 관리: DBMS의 “M”

  • مفهوم DBMS بزرگ و تفاوت BDMS با DBMS 빅 데이터에 대한 DBMS 기반/비DBMS 기반 접근법

  • گذار از DBMS به BDMS DBMS에서 BDMS로

  • Redis: ذخیره‌ساز کلید-مقدار سریع Redis: 향상된 키-값 스토어

  • Aerospike: ذخیره‌ساز کلید-مقدار مقیاس‌پذیر Aerospike: 차세대 KV 스토어

  • داده‌های ساختاریافته در AsterixDB 반정형 데이터 – AsterixDB

  • Solr: سیستم ذخیره‌سازی متنی Solr: 텍스트 관리

  • داده‌های ساختارنیافته در Vertica 관계형 데이터 – Vertica

راه‌اندازی سیستم ذخیره‌سازی داده‌های بزرگ در محیط ابری 온라인 게임을 위한 빅 데이터 관리 시스템 설계하기

نمایش نظرات

آموزش مدل‌سازی داده‌های بزرگ و سیستم‌های ذخیره‌سازی
جزییات دوره
14h 26m
43
(آخرین آپدیت)
558
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده