لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
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
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
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.
نمایش نظرات