لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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.
نمایش نظرات