آموزش Google Cloud Professional Data Engineer Cert Prep: 1 طراحی سیستم های پردازش داده
Google Cloud Professional Data Engineer Cert Prep: 1 Designing Data Processing Systems
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
مهندسان حرفه ای داده، تصمیم گیری مبتنی بر داده را با جمع آوری، تبدیل و انتشار داده ها امکان پذیر می سازند. دریافت گواهینامه Google Cloud Professional Data Engineer تأیید می کند که شما قادر به طراحی، ساخت، عملیاتی کردن، ایمن سازی، و نظارت بر سیستم های پردازش داده با تأکید خاصی بر امنیت و انطباق هستید. مقیاس پذیری و کارایی؛ قابلیت اطمینان و وفاداری؛ و انعطاف پذیری و قابلیت حمل. یک مهندس داده همچنین باید بتواند از مدل‌های یادگیری ماشینی از قبل موجود استفاده کند، مستقر کند و به طور مداوم آموزش دهد. در این دوره نوح گیفت شما را برای قسمت اول آزمون با تمرکز بر طراحی سیستم های پردازش داده آماده می کند. او موضوعات مربوط به انبار داده و مهاجرت فرآیندها، انتخاب فناوری ذخیره سازی، طراحی خط لوله داده و طراحی راه حل پردازش داده را پوشش می دهد.
سرفصل ها و درس ها
معرفی Introduction
-
نمای کلی دوره مهندسی داده حرفه ای گوگل (در حال انجام) Google professional data engineer course overview (In progress)
-
ورود به GCP Onboard to GCP
1. انتخاب فناوری ذخیره سازی 1. Storage Technology Selection
-
منبع باز در مقابل سرویس های مدیریت شده Google Cloud Open-source vs. Google Cloud managed services
-
طرفدار در مقابل مخالف ابزارهای مهندسی داده منبع باز Pro vs. con of open-source data engineering tools
-
سرویس های تحلیل ابری گوگل Google Cloud analytics services
2. طراحی خط لوله داده 2. Data Pipeline Design
-
خطوط لوله مهندسی داده Data engineering pipelines
-
استراتژی ذخیره سازی Google Cloud Google Cloud storage strategy
3. ذخیره سازی داده ها و مهاجرت پردازش 3. Data Warehousing and Processing Migration
-
نمای کلی فضای ذخیره سازی GCP Overview GCP storage
-
بهینه سازی برای راه حل های پایگاه داده GCP Optimize for GCP database solutions
-
مهندسی سریع برای BigQuery Prompt engineering for BigQuery
-
استفاده از Google BigQuery با Google Colab Using Google BigQuery with Google Colab
-
کاوش داده ها با Google BigQuery Exploring data with Google BigQuery
نتیجه Conclusion
-
مراحل بعدی Next steps
https://donyad.com/d/17e086
Noah Gift
کارشناس MLOps | انفرادی | نویسنده | استادیار | CTO
Noah Gift بنیانگذار Pragmatic A.I است. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نوح به طور گسترده با AWS کار می کند و یک قهرمان یادگیری ماشین AWS است. او دارای چندین گواهینامه صنعتی برای AWS است. نوح آموزش و طراحی دوره های آموزشی ماشین فارغ التحصیل، MLOps، A.I.، علم داده و مشاوره در زمینه یادگیری ماشین و معماری ابری را انجام می دهد. مسئولیت های او شامل رهبری ابتکار صدور گواهینامه چند ابری برای دانش آموزان است. نوح نقش های مختلفی را به صورت حرفه ای ایفا کرده است، از جمله CTO، مدیر کل، مشاور مدیر ارشد فناوری، مشاور ارشد دانشمند داده و معمار ابر. او همچنین دارای چندین تیتراژ فیلم در فیلم‌های اصلی برای کارهای فنی از جمله آواتار، مرد عنکبوتی 3 و بازگشت سوپرمن است.
نمایش نظرات