آموزش مبانی انبار داده برای مبتدیان

Data Warehouse Fundamentals for Beginners

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: بهترین روش ها و مفاهیم برای معماری و طراحی ابعادی بر تکنیک های مورد نیاز برای ایجاد انبار داده برای سازمان شما مسلط است. گزینه های خود را برای معماری محیط انبار داده خود تعیین کنید. اصول طراحی کلیدی مدل‌سازی داده‌های بعدی را به کار ببرید. مدل ها و رویکردهای مختلف را برای یکسان سازی و بارگذاری داده ها در انبار داده خود ترکیب کنید. پیش نیازها: درک اولیه (اما نه لزوماً تجربه برنامه نویسی با) پایگاه داده های رابطه ای و اصول SQL، به ویژه نحوه استفاده از دستور SQL CREATE TABLE برای ایجاد ساختارهای داده در یک پایگاه داده رابطه ای.

اگر در جستجوی صدا، تکنیک‌های عملی برای برنامه‌ریزی، طراحی، و ساخت انبار داده یا بازار داده، یک حرفه‌ای فعلی یا مشتاق فناوری اطلاعات هستید، این دوره برای شما مناسب است.

در طول دوره، چیزهایی را که یاد می‌گیرید به کار می‌گیرید و نمونه‌های معماری انبار داده و ساختارهای داده بعدی را تعریف می‌کنید تا به تأکید بر بهترین شیوه‌ها و تکنیک‌های تحت پوشش در این دوره کمک کنید. هر بخش دارای سؤالات مسابقه ای مبتنی بر سناریو یا تکالیفی است که بر اهداف اصلی یادگیری برای مطالب آن بخش تأکید دارد. به این ترتیب، می‌توانید در حین حرکت در دوره مطمئن باشید که نکات کلیدی مربوط به انبار داده‌ها را انتخاب می‌کنید.

برای ساختن این دوره، من از بیش از 30 سال کار ذخیره سازی داده خودم بر روی بیش از 40 پروژه و تعامل مشتری استفاده کردم. من از اوایل دهه 1990، زمانی که انبار داده مدرن وارد صحنه شد، یک رهبر فکری در رشته انبارداری داده بودم. من به معنای واقعی کلمه همه را دیده‌ام... و در مورد رشته‌ی انبار داده‌ها در کتاب‌هایی مانند Data Warehousing For Dummies® اصلی، همراه با مقالات، مقالات سفید، و به‌عنوان ستون‌نویس ماهانه انبار داده نوشته‌ام. من شیوه‌های مشاوره جهانی را رهبری کرده‌ام که انبار داده (و رشته مرتبط با آن، هوش تجاری) را به برخی از شناخته‌شده‌ترین مشتریان نام تجاری، همراه با سازمان‌های کوچک‌تر و آژانس‌های دولتی ارائه می‌دهند. شرکت مشاوره خودم، Thinking Helmet، Inc.، متخصص در انبار داده، هوش تجاری و رشته های مرتبط است. من آستین‌هایم را بالا زده‌ام و شخصاً به هر جنبه‌ای از آنچه در این دوره خواهید آموخت پرداخته‌ام. من حتی چند درس دردناک یاد گرفته‌ام، و سهم سالمی از «درس‌های آموخته‌شده» را در مطالب دوره ایجاد کرده‌ام.

در این دوره، من شما را از اصول و مفاهیم انبار داده تا بهترین شیوه‌ها برای معماری، طراحی ابعادی و تبادل داده‌ها که برای پیاده‌سازی انبار داده در سازمان خود به آن نیاز دارید، راهنمایی می‌کنم. شما نمونه های زیادی را خواهید یافت که به وضوح مفاهیم و تکنیک های کلیدی تحت پوشش در طول دوره را نشان می دهد. در پایان دوره، شما آماده خواهید بود که نه تنها این اصول را به کار ببندید، بلکه تصمیمات کلیدی معماری و طراحی مورد نیاز "هنر" انبار داده را نیز اتخاذ کنید که فراتر از تکنیک های پیچ و مهره است. و الگوهای طراحی.

به طور خاص، این دوره شامل موارد زیر است:

  • مفاهیم و اصول بنیادی انبار داده

  • رابطه همزیستی بین انبار داده و هوش تجاری

  • نحوه همزیستی انبار داده با دریاچه داده و مجازی سازی داده

  • جایگزین های معماری متعدد شما، از رویکردهای بسیار متمرکز گرفته تا جایگزین های چند جزئی متعدد

  • مبانی تحلیل و مدل‌سازی ابعادی

  • قابلیت‌های کلیدی پایگاه‌داده رابطه‌ای که برای ساخت مدل‌های داده بعدی خود به کار خواهید برد

  • جایگزین‌های مختلف برای مدیریت تغییر تاریخچه داده‌ها در محیط شما، و نحوه تصمیم‌گیری در مورد استفاده از رویکردها در موقعیت‌های مختلف

  • نحوه سازماندهی و طراحی قابلیت‌های استخراج، تبدیل، و بارگذاری (ETL) خود برای به روز نگه داشتن انبار داده


ذخیره سازی داده ها هم هنر و هم علم است. در حالی که ما در طول سال‌ها مجموعه وسیعی از بهترین شیوه‌ها را توسعه داده‌ایم، هنوز باید از مراحل اولیه یک پروژه انبار داده تا معماری، طراحی و پیاده‌سازی این یا آن نوع تصمیمات را بگیریم. این چیزی است که من در این دوره القا کرده ام: تلفیقی از هنر و علم انبارداری داده که می توانید به سازمان و کار خود بیاورید. پس در این سفر از طریق دنیای انبار داده به من بپیوندید!


سرفصل ها و درس ها

خوش آمدی Welcome

  • خوش آمدی Welcome

  • درباره این دوره About This Course

  • بازتاب: ارزش ذخیره سازی داده ها Reflection: The Value of Data Warehousing

مفاهیم ذخیره سازی داده ها Data Warehousing Concepts

  • مقدمه ای بر مفاهیم انبارداری داده Introduction to Data Warehousing Concepts

  • انبار داده چیست؟ What is a Data Warehouse?

  • دلایلی برای ایجاد انبار داده Reasons for You to Build a Data Warehouse

  • مقایسه انبار داده با دریاچه داده Compare a Data Warehouse to a Data lake

  • مقایسه انبار داده با مجازی سازی داده Compare a Data Warehouse to Data Virtualization

  • به یک محیط ذخیره‌سازی داده‌های ساده سرتاسر نگاه کنید Look at a Simple End-to-End Data Warehousing Environment

  • مفاهیم ذخیره سازی داده را خلاصه کنید Summarize Data Warehousing Concepts

  • مفاهیم ذخیره سازی داده ها Data Warehousing Concepts

معماری انبار داده Data Warehousing Architecture

  • مقدمه ای بر معماری انبار داده ها Introduction to Data Warehousing Architecture

  • یک انبار داده متمرکز بسازید Build a Centralized Data Warehouse

  • مقایسه انبار داده با دیتا مارت Compare a Data Warehouse to a Data Mart

  • تصمیم بگیرید که کدام معماری مبتنی بر کامپوننت مناسب شماست Decide Which Component-Based Architecture is Your Best Fit

  • مکعب ها را در محیط انبار داده خود بگنجانید Include Cubes in Your Data Warehousing Environment

  • ذخیره‌های داده عملیاتی را در محیط انبار داده خود بگنجانید Include Operational Data Stores in Your Data Warehousing Environment

  • نقش لایه مرحله بندی در یک انبار داده را بررسی کنید Explore the Role of the Staging Layer Inside a Data Warehouse

  • دو نوع لایه مرحله بندی را با هم مقایسه کنید Compare the Two Types of Staging Layers

  • خلاصه معماری انبار داده Summarize Data Warehousing Architecture

  • معماری انبار داده Data Warehousing Architecture

داده ها را به انبار داده خود بیاورید Bring Data Into Your Data Warehouse

  • مقدمه ای بر ETL و Data Movement برای Data Warehouse Introduction to ETL and Data Movement for Data Warehousing

  • ETL را با ELT مقایسه کنید Compare ETL to ELT

  • بار اولیه ETL را طراحی کنید Design the Initial Load ETL

  • مقایسه مدل های مختلف برای ETL افزایشی Compare Different Models for Incremental ETL

  • نقش تبدیل داده ها را بررسی کنید Explore the Role of Data Transformation

  • تحولات رایج بیشتر در ETL More Common Transformations Within ETL

  • اجرای ETL افزایشی Mix-and-Match Implement Mix-and-Match Incremental ETL

  • مفاهیم و مدل های ETL را خلاصه کنید Summarize ETL Concepts and Models

  • اصول ETL ETL Fundamentals

طراحی انبار داده: بلوک های ساختمانی Data Warehousing Design: Building Blocks

  • مبانی ساختار انبار داده Data Warehousing Structure Fundamentals

  • تصمیم گیری در مورد استفاده از انبار داده شما Deciding What Your Data Warehouse Will Be Used For

  • اصول اساسی ابعاد The Basic Principles of Dimensionality

  • مقایسه حقایق، جداول واقعیت، ابعاد و جداول ابعاد Compare Facts, Fact Tables, Dimensions, and Dimension Tables

  • اشکال مختلف افزودنی را در حقایق مقایسه کنید Compare Different Forms of Additivity in Facts

  • طرح واره ستاره را با طرح واره دانه برف مقایسه کنید Compare a Star Schema to a Snowflake Schema

  • کلیدهای پایگاه داده برای ذخیره سازی داده ها Database Keys for Data Warehousing

  • ساختار انبار داده را خلاصه کنید Summarize Data Warehousing Structure

  • ساختار انبار داده Data Warehouse Structure

حقایق طراحی، جداول واقعیت، ابعاد و جداول ابعاد Design Facts, Fact Tables, Dimensions, and Dimension Tables

  • مقدمه ای بر مدل سازی ابعادی Introduction to Dimensional Modeling

  • طراحی جداول ابعاد برای طرحواره های ستاره ای و طرح های دانه برف Design Dimension Tables for Star Schemas and Snowflake Schemas

  • چهار نوع اصلی جداول اطلاعات ذخیره‌سازی داده The Four Main Types of Data Warehousing Fact Tables

  • نقش جداول واقعیت معاملات The Role of Transaction Fact Tables

  • قوانین حاکم بر حقایق و جداول حقایق معاملات The Rules Governing Facts and Transaction Fact Tables

  • کلیدهای اصلی و خارجی برای جداول واقعیت Primary and Foreign Keys for Fact Tables

  • نقش جداول اطلاعات لحظه ای دوره ای The Role of Periodic Snapshot Fact Tables

  • عکس های فوری دوره ای و حقایق نیمه افزودنی Periodic Snapshots and Semi-Additive Facts

  • جداول واقعی تراکنش و عکس لحظه ای دوره ای Transaction and Periodic Snapshot Fact Tables

  • نقش جمع آوری جداول واقعیت لحظه ای The Role of Accumulating Snapshot Fact Tables

  • نمونه جدول حقایق انباشته شدن عکس فوری Accumulating Snapshot Fact Table Example

  • چرا جدول حقایق بدون واقعیت یک تناقض در شرایط نیست؟ Why a Factless Fact Table isn't a Contradiction in Terms

  • مقایسه ساختار جداول واقعیت در طرحواره های ستاره ای در مقابل طرحواره های دانه برف Compare the Structure of Fact Tables in Star Schemas vs. Snowflake Schemas

  • SQL برای جداول ابعاد و اطلاعات SQL for Dimension and Fact Tables

  • جداول واقعیت و ابعاد را خلاصه کنید Summarize Fact and Dimension Tables

  • جداول واقعیت بدون واقعیت و جداول واقعی انباشته عکس فوری Factless fact tables and accumulating snapshot fact tables

مدیریت تاریخچه انبار داده از طریق تغییر تدریجی ابعاد Managing Data Warehouse History Through Slowly Changing Dimensions

  • مقدمه ای بر تغییر آهسته ابعاد Introduction to Slowly Changing Dimensions

  • تغییر آهسته ابعاد (SCD) و تاریخچه انبار داده Slowly Changing Dimensions (SCDs) and Data Warehouse History

  • یک SCD نوع 1 طراحی کنید Design a Type 1 SCD

  • یک SCD نوع 2 طراحی کنید Design a Type 2 SCD

  • ترتیب صحیح داده ها را با SCD های نوع 2 حفظ کنید Maintain Correct Data Order with Type 2 SCDs

  • یک SCD نوع 3 طراحی کنید Design a Type 3 SCD

  • مفاهیم و پیاده سازی های SCD را خلاصه کنید Summarize SCD concepts and implementations

  • تغییر آهسته ابعاد (SCD) Slowly Changing Dimensions (SCDs)

طراحی ETL شما Designing Your ETL

  • مقدمه ای بر طراحی ETL Introduction to ETL Design

  • طراحی ETL خود را از معماری ETL خود بسازید Build your ETL Design from your ETL Architecture

  • جدول ابعاد ETL Dimension Table ETL

  • فرآیند SCD نوع 1 به جدول ابعاد تغییر می کند Process SCD Type 1 Changes to a Dimension Table

  • فرآیند SCD نوع 2 به یک جدول ابعاد تغییر می کند Process SCD Type 2 Changes to a Dimension Table

  • ETL را برای جداول واقعیت طراحی کنید Design ETL for Fact Tables

  • طراحی ETL را خلاصه کنید Summarize ETL Design

  • طراحی ETL ETL Design

انتخاب محیط انبار داده شما Selecting Your Data Warehouse Environment

  • مقدمه ای بر محیط های ذخیره سازی داده ها Introduction to Data Warehousing Environments

  • بین تنظیمات Cloud و On-Premises برای انبار داده خود تصمیم بگیرید Decide Between Cloud and On-Premises Settings for Your Data Warehouse

  • مفاهیم معماری و طراحی برای پلتفرم انتخابی شما Architecture and Design Implications for Your Selected Platform

  • محیط های ذخیره سازی داده ها Data Warehousing Environments

نتیجه Conclusion

  • با تشکر از شما برای شرکت در دوره! Thank you for taking the course!

  • منابع اضافی برای مطالعه بیشتر Additional resources for further study

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش مبانی انبار داده برای مبتدیان
جزییات دوره
5 hours
68
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
70,053
4.5 از 5
ندارد
دارد
دارد
Alan Simon
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Alan Simon Alan Simon

رهبر فکری در هوش تجاری و داده های سازمانی