لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Data Mesh: ساختن یک معماری داده مدرن
Data Mesh : Building a Modern Data Architecture
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
به اصول کلیدی، بهترین روش ها و کاربردهای دنیای واقعی Data Mesh برای معماری داده مدرن تسلط داشته باشید. درک اصول و مفاهیم کلیدی معماری Data Mesh. آشنایی با مراحل اجرای Data Mesh از جمله حاکمیت و مدیریت داده. شناخت بهترین شیوه ها و چالش ها در پیاده سازی Data Mesh. درک مقایسه بین Data Mesh و سایر رویکردهای معماری داده. آشنایی با ابزارها و فناوری های کلیدی مورد استفاده در اجرای Data Mesh. درک نحوه ادغام سیستم های داده موجود در یک Data Mesh. یادگیری مزایای Data Mesh، از جمله بهبود کیفیت داده، افزایش به اشتراک گذاری داده ها، و عملیات ساده داده. درک اهمیت فهرست نویسی و کشف داده ها در معماری Data Mesh. درک ملاحظات کلیدی در حاکمیت داده و مدیریت داده در Data Mesh. درک آینده Data Mesh و روندهای نوظهور در معماری داده. مجهز بودن به تصمیم گیری آگاهانه در مورد استراتژی داده، معماری و عملیات. تبدیل شدن به یک متخصص مجرب در Data Mesh و اصول معماری داده آماده شدن برای مصاحبه های شغلی مرتبط با Data Mesh و معماری داده ها پیش نیازها:یک کامپیوتر کارآمد. بدون نیاز به تجربه قبلی
آیا به دنبال دوره ای هستید که درک جامعی از Data Mesh و Data Architecture ارائه دهد؟ این دوره یک نمای کلی از Data Mesh ، اصول کلیدی و مزایای آن و همچنین درک عملی از نحوه اجرای آن در سناریوهای دنیای واقعی ارائه می دهد.
Data Mesh یک رویکرد جدید در معماری داده است که بر روی دستیابی به داده ها و قابل استفاده آسان توسط تیم هایی که به آن نیاز دارند تمرکز دارد. این دوره اصول اولیه Data Mesh از جمله اصول کلیدی آن و تفاوت آن با سایر رویکردهای معماری داده را پوشش می دهد. شما یاد خواهید گرفت که چگونه Data Mesh را در سازمان خود پیاده سازی کنید، از جمله مراحل مربوط به فرآیند پیاده سازی، ابزارها و فناوری های مورد استفاده، و بهترین شیوه ها برای اجرای موفقیت آمیز.
این دوره همچنین جنبه مهم حاکمیت داده در معماری Data Mesh را پوشش میدهد، از جمله ملاحظات کلیدی برای مدیریت داده و فهرستنویسی و کشف دادهها. با چالش ها و محدودیت های Data Mesh و نحوه غلبه بر آنها آشنا خواهید شد.
چه حرفه ای داده باشید یا صرفاً به دنبال افزایش مهارت های داده خود باشید، این دوره یک منبع ضروری برای هر کسی است که به دنبال تسلط بر هنر معماری داده با داده مش است.
ثبتنام در این دوره به شما کمک میکند تا برای مصاحبههای شغلی آماده شوید، مخصوصاً اگر میخواهید به سازمانی بپیوندید که معماریهای دادهای مانند داده مش را پیادهسازی میکند.
من دائماً محتوا را با بخشهای جدید بر اساس بهروزرسانیها و روندهای در حال تحول در معماری داده و زمینههای مش داده بهروزرسانی خواهم کرد.
سرفصل ها و درس ها
معرفی
Introduction
معرفی دوره
Course Introduction
معماری داده ها 101- مؤلفه های کلیدی
Data Architectures 101- Key components
معایب حاکمیت متمرکز داده
Drawbacks of Centralized Data Governance
نمای کلی بخش
Section overview
انبارهای داده
Data Warehouses
دریاچه های خرما
Date Lakes
مسئولیت داده متمرکز
Centralized Data Responsibility
اصول اصلی طراحی داده مش
The Core Principles of Data Mesh Design
نمای کلی بخش
Section Overview
مالکیت نامتمرکز دامنه بر داده ها
Decentralized Domain Ownership of Data
داده به عنوان یک محصول
Data as a Product
زیرساخت داده های خود خدمت به عنوان یک پلتفرم
Self-Serve Data Infrastructure as a Platform
حاکمیت داده های محاسباتی فدرال
Federated Computational Data Governance
شروع شدن؛ اتخاذ یک ذهنیت محصول مبتنی بر داده
Getting Started; Adopting a Data-Driven Product Mindset
سفر مش دیتا
Data Mesh Journey
ایجاد ذهنیت از محصول داده
Building a Mindset of Data Product
فناوری های کلان داده
Big Data Technologies
مطالعه موردی - معایب مالکیت اطلاعات نامشخص
Case Study - Drawbacks of Unclear Data Ownership
درک دیدگاه های مختلف
Understanding the Different Perspectives
ایجاد مشوق ها
Creating Incentives
نقطه شروع از کجا و چگونه شروع کنیم
Starting Point Where and How to Begin
از کجا و چگونه شروع کنیم
Where and How to Get Started
ایجاد زیرساخت جدید در کنار اولین محصول داده
Creating New Infrastructure Alongside the First Data Product
تطبیق زیرساخت های موجود
Adapting Existing Infrastructure
پوسته پوسته شدن مش
Scaling the Mesh
زیرساخت داده سلف سرویس
Self-Serve Data Infrastructure
نقاط دردسر مسئولیت داده مرکزی
Pain Points of Central Data Responsibility
مطالعه موردی - قابلیت های محاسباتی متمرکز
Case Study - Centralized Compute Capabilities
قابلیت های زیرساخت داده
Data Infrastructure Capabilities
نگهداری مش
Maintaining the Mesh
حاکمیت داده های محاسباتی فدرال
Federated Computational Data Governance
اطمینان از قابلیت همکاری از طریق مدلسازی بین دامنهای معنایی
Ensure Interoperability Through Semantic Cross-Domain Modeling
استفاده از اتوماسیون برای اجرای قوانین جهانی
Using Automation to Enforce Global Rules
اشتباهات رایج در اجرای مش داده ها
Common Mistakes in Data Mesh Implementation
بارگذاری بیش از حد مردم
Overloading People
ایجاد یک پلتفرم با مسئولیت داده مرکزی
Creating a Platform with Central Data Responsibility
ساختن پلتفرم کامل از جلو
Building the Perfect Platform Up Front
درک نادرست مفهوم مش داده
Misunderstanding the Data Mesh Concept
بهترین شیوه های صنعت
Industry Best Practices
شروع کوچک، اما با تعهد
Starting Small, but with Commitment
دامنه های خود را با توجه به قابلیت های تجاری خود تعریف کنید
Define Your Domains Following Your Business Capabilities
استفاده از تفکر محصول در توسعه پلتفرم
Apply Product Thinking to Platform Development
مراحل بعدی
Next Steps
افکار بسته
Closing Thoughts
پیوست 1
APPENDIX 1
معماری داده ها 101- مؤلفه های یک استراتژی داده مدرن
Data Architectures 101- Components of a Modern Data Strategy
نمایش نظرات