آموزش Snowpark برای مهندسان داده - آخرین آپدیت

دانلود Snowpark for Data Engineers

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره جامع، به بررسی عمیق Snowpark Python در Snowflake بپردازید؛ کتابخانه‌ای که به‌طور اختصاصی برای مهندسان داده و متخصصانی طراحی شده است که قصد دارند از قابلیت‌های پلتفرم مدیریت داده Snowflake بهره‌برداری کنند. همراه با مدرس دوره، Janani Ravi، بیاموزید که چگونه Snowpark را راه‌اندازی کنید؛ از ایجاد حساب آزمایشی Snowflake گرفته تا نوشتن هندلرهای Snowpark، انجام تغییرات داده (Data Transformations) و کار با داده‌های ساختاریافته و نیمه‌ساختاریافته. در طول این مسیر، مفاهیم پیشرفته‌تری مانند ایجاد و مدیریت توابع تعریف شده توسط کاربر (UDFs)، توابع جدولی تعریف شده توسط کاربر (UDTFs) و رویه‌های ذخیره شده (Stored Procedures) را بررسی خواهید کرد. همچنین نحوه نصب پکیج‌های ضروری، دسترسی به پکیج‌های سفارشی و اتصال به Snowflake از طریق Jupyter Notebook را خواهید آموخت. در پایان این دوره، شما آماده خواهید بود تا دستکاری دیتافریم‌ها، انجام وظایف مهندسی داده و پیاده‌سازی توابع پیچیده پردازش داده را در محیط Snowflake اجرا کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • اسنو-پارک برای مهندسان داده Snowpark for data engineers

  • پیش‌نیازها Prerequisites

1. هندلرهای Snowpark در محیط Python Worksheets 1. Snowpark Handlers in Python Worksheets

  • راه‌اندازی و پیکربندی Snowflake Getting set up with Snowflake

  • تغییر داده‌ها با استفاده از دیتافریم‌های Snowpark Transformation with Snowpark data frames

  • نصب پکیج‌های Anaconda در یک نشست Installing Anaconda packages in a session

  • نوشتن اولین هندلر Snowpark Writing our first Snowpark handler

  • خواندن فایل‌ها از Stage Reading files from a stage

  • تعریف توابع متعدد در Python Worksheet Defining multiple functions in a Python worksheet

  • دسترسی به پکیج‌های سفارشی از Stage Accessing custom packages from a stage

  • بازگرداندن یک جدول از هندلر Snowpark Returning a table from the Snowpark handler

2. استفاده از دیتافریم‌های Snowpark 2. Using Snowpark DataFrames

  • کار با داده‌های نیمه‌ساختاریافته Working with semi-structured data

  • تغییرات داده با استفاده از دیتافریم‌های Snowpark Data transformations using Snowpark DataFrames

  • انجام عملیات Join Performing joins

  • انجام عملیات Union روی دیتافریم‌ها Performing union operations on DataFrames

  • ایجاد Viewها Creating views

  • استفاده از Snowpark در Jupyter Notebook محلی Using Snowpark from a locally running Jupyter Notebook

3. کار با توابع UDF 3. Working with UDFs

  • ایجاد و فراخوانی UDFهای دائمی Creating and invoking permanent UDFs

  • درک UDFهای موقت Understanding temporary UDFs

  • دسترسی به پکیج‌های خارجی در AUDF Accessing external packages in AUDF

  • مقایسه UDFs، UDTFs و رویه‌های ذخیره شده UDFS, UDTFs, and Stored procedures

  • ایجاد UDFهای بدون نام در Snowpark Creating anonymous UDFs in Snowpark

  • ایجاد UDFهای نام‌گذاری شده در Snowpark Creating named UDFs in Snowpark

4. کار با توابع UDTF 4. Working with UDTFs

  • فراخوانی UDTFها با آرگومان‌های مختلف Invoking UDTFs with different arguments

  • ایجاد و ثبت یک UDTF Creating and registering a UDTF

  • پیاده‌سازی کامل یک UDTF Implementing a full-fledged UDTF

  • فراخوانی UDTF در پایتون و SQL Invoking a UDTF in Python and SQL

  • ایجاد جدول و آپلود داده‌ها Creating a table and uploading data

5. کار با رویه‌های ذخیره شده (Stored Procedures) 5. Working with Stored Procedures

  • ایجاد رویه‌های ذخیره شده پارامتری Creating parameterized stored procedures

  • استقرار (Deploy) رویه ذخیره شده Deploying a stored procedure

  • ایجاد و ثبت رویه‌های ذخیره شده Creating and registering stored procedures

  • رویه‌های ذخیره شده با حلقه‌ها و منطق شرطی Stored procedures with loops and conditional logic

جمع‌بندی Conclusion

  • خلاصه و گام‌های بعدی Summary and next steps

نمایش نظرات

آموزش Snowpark برای مهندسان داده
جزییات دوره
1h 51m
32
(آخرین آپدیت)
2,137
- از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.