لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی علوم داده: مهندسی داده
Data Science Foundations: Data Engineering
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
با تسلط بر مهارت های اصلی مورد نیاز برای به کار انداختن داده ها برای تجارت خود ، با اطمینان به داده های بزرگ نزدیک شوید. این دوره اصول مهندسی داده ، طراحی سیستم ، تجزیه و تحلیل و هوش تجاری را پوشش می دهد. بن سالینز ، متخصص علوم داده ، نحوه جمع آوری و سازماندهی داده های شما را توضیح می دهد تا بتوانید نتایجی را که سازمان شما می تواند استفاده کند ، ارائه دهید. بن با بررسی اکوسیستم مدرن داده و چگونگی ارتباط آن با اجرای یک مرکز داده هوشمند و کارآمد شروع می کند. سپس ، او به شما نشان می دهد که چگونه وظایف اصلی مربوط به مدیریت ، بارگیری ، استخراج و تبدیل داده ها را انجام دهید. او همچنین شما را از طریق مرحله بندی ، پروفایل ، پاک سازی و مهاجرت به داده ها هدایت می کند. در طول راه ، او توصیه های عملیاتی را ارائه می دهد که برای متخصصان داده در سراسر سازمان - تحلیلگران ، مهندسان ، دانشمندان ، مدل سازها و موارد دیگر - قابل استفاده است.
موضوعات شامل:
کار با سیستم ها و طرح ها li>
مدیریت خط لوله داده خوب li>
تنظیم محیط li>
بارگیری و نمایه سازی داده ها li>
تست کیفیت li>
افزودن انواع داده li>
مدیریت مقادیر از دست رفته و اعضای استنباط شده li>
انجام جستجوی اصلی داده ها li>
بارگیری طرح ها و جداول li>
ایجاد دیدگاه li>
سرفصل ها و درس ها
مقدمه
Introduction
خوش آمدی
Welcome
آنچه باید قبل از تماشای این دوره بدانید
What you should know before watching this course
با استفاده از پرونده های تمرینی
Using the exercise files
1. بررسی اجمالی اکوسیستم
1. Ecosystem Overview
بررسی اجمالی سیستم علوم داده
Data science system overview
بررسی اجمالی طرحواره ستاره
Star schema design overview
مهندسی داده کجا مناسب است؟
Where does data engineering fit?
مؤلفه های یک خط لوله داده خوب
Components of a good data pipeline
تنظیم محیط
Environment setup
2. مرحله بندی داده ها
2. Staging Data
بارگیری و نمایه داده ها
Loading and profiling data
تست کیفیت داده ها
Data quality testing
3. پاک کردن داده ها
3. Cleansing Data
افزودن انواع داده
Adding data types
رسیدگی به مقادیر گمشده
Handling missing values
تأیید آدرس ها
Verifying addresses
4- سازگاری با داده ها
4. Conforming Data
انجام جستجوی داده های اصلی
Performing master data lookups
رسیدگی به اعضای استنباط شده
Handling inferred members
5. تحویل مجموعه داده های تحلیلی
5. Delivering Analytical Data Sets
لینکدین: شبکه اجتماعی حرفهای برای ارتباط و کارآفرینی
لینکدین به عنوان یکی از بزرگترین شبکههای اجتماعی حرفهای، به میلیونها افراد در سراسر جهان این امکان را میدهد تا ارتباط برقرار کنند، اطلاعات حرفهای خود را به اشتراک بگذارند و فرصتهای شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان میدهد تا رزومه حرفهای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمنها و گروههای حرفهای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهرهمند شوند.
لینکدین همچنین به کارفرمایان امکان میدهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفهای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصتهای شغلی و گسترش شبکه حرفهای خود، نقش مهمی را ایفا میکند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفهای در دنیای امروز مورد توجه قرار دارد.
نمایش نظرات