آموزش مدل‌سازی و سیستم‌های مدیریت داده‌های بزرگ (Big Data) - آخرین آپدیت

دانلود Big Data Modeling and Management Systems

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: پس از شناسایی یک مسئله در حوزه داده‌های بزرگ برای تحلیل، چگونه داده‌های خود را با استفاده از راهکارهای Big Data جمع‌آوری، ذخیره و سازماندهی کنید؟ در این دوره، شما با انواع مختلف داده‌ها و ابزارهای مدیریتی مناسب برای هر یک آشنا خواهید شد. شما قادر خواهید بود دلایل پیدایش انبوه پلتفرم‌های جدید داده‌های بزرگ را از دیدگاه سیستم‌های مدیریت و ابزارهای تحلیلی شرح دهید. از طریق آموزش‌های عملی و هدایت‌شده، با تکنیک‌های کار با داده‌های بلادرنگ (Real-time) و نیمه‌ساختاریافته آشنا می‌شوید. سیستم‌ها و ابزارهای مورد بحث عبارتند از: AsterixDB، HP Vertica، Impala، Neo4j، Redis و SparkSQL. این دوره تکنیک‌هایی را برای استخراج ارزش از منابع داده‌های دست‌نخورده موجود و کشف منابع داده جدید ارائه می‌دهد. در پایان این دوره، شما قادر خواهید بود: * عناصر مختلف داده را در محیط کاری و مسائل زندگی روزمره شناسایی کنید * توضیح دهید چرا تیم شما به طراحی یک برنامه زیرساختی Big Data و طراحی سیستم اطلاعاتی نیاز دارد * عملیات‌های متداول داده را که برای انواع مختلف داده‌ها مورد نیاز است، شناسایی کنید * یک مدل داده متناسب با ویژگی‌های داده‌های خود انتخاب کنید * تکنیک‌های مدیریت داده‌های جریانی (Streaming Data) را به کار بگیرید * تفاوت بین سیستم‌های مدیریت پایگاه داده سنتی (DBMS) و سیستم‌های مدیریت داده‌های بزرگ (BDMS) را تشخیص دهید * دلیل وجود سیستم‌های مدیریت داده متعدد را درک کنید * یک سیستم اطلاعاتی داده‌های بزرگ برای یک شرکت بازی آنلاین طراحی کنید این دوره برای افرادی است که در علوم داده تازه‌کار هستند. گذراندن دوره مقدماتی Big Data توصیه می‌شود. هیچ تجربه برنامه‌نویسی قبلی مورد نیاز نیست، اگرچه توانایی نصب برنامه‌ها و استفاده از ماشین مجازی برای تکمیل تکالیف عملی ضروری است. برای مشخصات کامل سخت‌افزاری و نرم‌افزاری به الزامات فنی تخصص مراجعه کنید. الزامات سخت‌افزاری: (الف) پردازنده چهار هسته‌ای (پشتیبانی از VT-x یا AMD-V توصیه می‌شود)، ۶۴ بیتی؛ (ب) ۸ گیگابایت رم؛ (ج) ۲۰ گیگابایت فضای خالی دیسک. روش یافتن اطلاعات سخت‌افزاری: (ویندوز): باز کردن System از طریق دکمه Start، راست‌کلیک روی Computer و سپس کلیک روی Properties؛ (مک): باز کردن Overview از طریق منوی Apple و کلیک روی About This Mac. اکثر کامپیوترهای با ۸ گیگابایت رم که در ۳ سال اخیر خریداری شده‌اند، حداقل الزامات را دارا هستند. شما به یک اتصال اینترنت پرسرعت نیاز دارید زیرا فایل‌هایی تا حجم ۴ گیگابایت را دانلود خواهید کرد. الزامات نرم‌افزاری: این دوره بر چندین ابزار نرم‌افزاری متن‌باز از جمله Apache Hadoop متکی است. تمام نرم‌افزارهای مورد نیاز را می‌توان به‌صورت رایگان دانلود و نصب کرد. الزامات نرم‌افزاری شامل: ویندوز ۷ به بالا، Mac OS X 10.10 به بالا، Ubuntu 14.04 به بالا یا CentOS 6 به بالا و VirtualBox 5 به بالا است.

سرفصل ها و درس ها

مقدمه‌ای بر مدل‌سازی و مدیریت داده‌های بزرگ Introduction to Big Data Modeling and Management

  • خوش‌آمدگویی به دوره مدل‌سازی و مدیریت داده‌های بزرگ Welcome to Big Data Modeling and Management

  • چرا این یک دوره جدید در تخصص داده‌های بزرگ است؟ Why is this a New Course in the Big Data Specialization?

  • خلاصه‌ای از مقدمه‌ای بر داده‌های بزرگ (بخش ۱) Summary of Introduction to Big Data (Part 1)

  • خلاصه‌ای از مقدمه‌ای بر داده‌های بزرگ (بخش ۲) Summary of Introduction to Big Data (Part 2)

  • خلاصه‌ای از مقدمه‌ای بر داده‌های بزرگ (بخش ۳) Summary of Introduction to Big Data (Part 3)

  • سوالات ضروری در مدیریت داده‌های بزرگ Big Data Management "Must-Ask Questions"

  • جذب داده‌ها (Data Ingestion) Data Ingestion

  • ذخیره‌سازی داده‌ها Data Storage

  • کیفیت داده‌ها Data Quality

  • عملیات‌های داده Data Operations

  • مقیاس‌پذیری و امنیت داده‌ها Data Scalability and Security

  • چالش‌های مدیریت داده‌های انرژی در ConEd Energy Data Management Challenges at ConEd

  • مدیریت داده در صنعت گیمینگ: پرسش و پاسخ با مارک کالدول، CTO Apmetrix Gaming Industry Data Management: Q&A with Apmetrix CTO Mark Caldwell

  • مدیریت داده‌های پرواز در FlightStats: سخنرانی چاد برکلی، CTO Flight Data Management at FlightStats: A Lecture by CTO Chad Berkley

مدل‌سازی داده‌های بزرگ Big Data Modeling

  • مقدمه‌ای بر مدل‌های داده Introduction to Data Models

  • ساختارهای مدل داده Data Model Structures

  • عملیات‌های مدل داده Data Model Operations

  • محدودیت‌های مدل داده Data Model Constraints

  • مقدمه‌ای بر داده‌های CSV Introduction to CSV Data

  • مدل داده رابطه‌ای چیست؟ What is a Relational Data Model?

  • مدل داده نیمه‌ساختاریافته چیست؟ What is a Semistructured Data Model?

  • بررسی مدل داده رابطه‌ای در فایل‌های CSV Exploring the Relational Data Model of CSV Files

  • بررسی مدل داده نیمه‌ساختاریافته در داده‌های JSON Exploring the Semistructured Data Model of JSON data

  • بررسی مدل داده آرایه‌ای در یک تصویر Exploring the Array Data Model of an Image

  • بررسی داده‌های سنسور Exploring Sensor Data

مدل‌سازی داده‌های بزرگ (بخش دوم) Big Data Modeling (Part 2)

  • مدل فضای برداری (Vector Space Model) Vector Space Model

  • مدل داده گرافی (Graph Data Model) Graph Data Model

  • سایر مدل‌های داده Other Data Models

  • بررسی مدل داده برداری موتور جستجوی Lucene Exploring the Lucene Search Engine's Vector Data Model

  • بررسی مدل‌های داده گرافی با Gephi Exploring Graph Data Models with Gephi

کار با مدل‌های داده Working With Data Models

  • مدل داده در مقابل فرمت داده Data Model vs. Data Format

  • جریان داده (Data Stream) چیست؟ What is a Data Stream?

  • چرا داده‌های جریانی متفاوت هستند؟ Why is Streaming Data different?

  • درک مفهوم دریاچه‌های داده (Data Lakes) Understanding Data Lakes

  • بررسی داده‌های جریانی سنسورها Exploring Streaming Sensor Data

مدیریت داده‌های بزرگ: مفهوم M در DBMS Big Data Management: The "M" in DBMS

  • رویکردهای مبتنی بر DBMS و غیر DBMS در داده‌های بزرگ DBMS-based and non-DBMS-based Approaches to Big Data

  • از DBMS به BDMS From DBMS to BDMS

  • ردیس (Redis): یک ذخیره‌ساز کلید-مقدار پیشرفته Redis: An Enhanced Key-Value Store

  • Aerospike: نسل جدید ذخیره‌ساز KV Aerospike: a New Generation KV Store

  • داده‌های نیمه‌ساختاریافته – AsterixDB Semistructured Data – AsterixDB

  • سولار (Solr): مدیریت متن Solr: Managing Text

  • داده‌های رابطه‌ای – Vertica Relational Data – Vertica

طراحی سیستم مدیریت داده‌های بزرگ برای یک بازی آنلاین Designing a Big Data Management System for an Online Game

نمایش نظرات

آموزش مدل‌سازی و سیستم‌های مدیریت داده‌های بزرگ (Big Data)
جزییات دوره
14h 34m
42
(آخرین آپدیت)
106,763
4.5 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده