آموزش علم داده با پایتون: Munging، Outliers و Feature Engineering
Data Science with Python: Munging, Outliers, and Feature Engineering
آموزش پیش پردازش و مهندسی ویژگی ها از داده های خام با استفاده از پایتون. این دوره به شما می آموزد که با مقادیر از دست رفته، شناسایی نقاط پرت، ایجاد ویژگی های مرتبط، و بهینه سازی مجموعه داده ها برای پروژه های علمی داده موثر، بپردازید.
Dr. Ali Feizollah
آموزش مهندسی امنیت: طرح ارزیابی و اجرای دارایی
Security Engineering: Asset Evaluation and Execution Plan
این دوره شما را با مهارت های حیاتی مورد نیاز برای موجودی دارایی، شیوه های مدیریت و ایجاد یک برنامه اجرایی توانمند می کند.
Chris Jackson
آموزش کار با آرایه های داده در PostgreSQL
Working with Data Arrays in PostgreSQL
آرایه های چند بعدی لایه های اضافی را به یک آرایه اضافه می کنند و به شما امکان می دهند مقادیر را در یک ماتریس دو یا چند بعدی ذخیره کنید. اگرچه آنها نسبت به آرایه های یک بعدی کمتر رایج هستند، اما PostgreSQL ظرفیت ذخیره و کار با عناصر ذخیره شده در این ساختارها را دارد که معمولاً در محیط های ریاضیات محاسباتی و جبر ماتریسی استفاده می شود.
Adam Wilbert
آموزش مهندسی داده در آخرین آزمون آزمایشی Microsoft Azure
Data Engineering on Microsoft Azure Latest Practice Exam
تجربه یادگیری خود را با DP 203 ما یک مرحله بالاتر ببرید: مهندسی داده در Microsoft Azure Practice Exam 2024
Daywalker Nyc
آموزش OpenAI: مهندسی سریع برای متخصصان داده
OpenAI: Prompt Engineering for Data Professionals
مهندسی سریع پتانسیل ChatGPT را برای تجزیه و تحلیل داده ها باز می کند. این دوره به شما یاد می دهد که چگونه ایجاد کنید باعث بهبود بهره وری تجزیه و تحلیل داده های شما می شود.
Matthew Soucoup
آموزش ربات دنبال کننده خط مبتنی بر خط 8051: شبیه سازی در نرم افزار Proteus
8051 Based Line Follower Robot: Simulate on Proteus Software
پروژه رباتیک و سیستم جاسازی شده: شبیه سازی ربات پیرو خط اصلی با میکروکنترلر 8051 روی KEIL amp؛ نرم افزار PROTEUS. به شرکت پیشرفته ما خوش آمدید. .."
Practical- Buddy
آموزش انتقال از علم داده به مهندسی داده
Transition from Data Science to Data Engineering
کیفیت داده ها برای مهندسی داده بسیار مهم است زیرا تجزیه و تحلیل دقیق، پردازش کارآمد داده ها، اعتماد به داده ها، مطابقت با مقررات، کاهش هزینه و بهبود نتایج کسب و کار را ممکن می سازد. با تمرکز بر کیفیت داده ها، مهندسان داده اطمینان حاصل می کنند که داده های مورد استفاده برای تجزیه و تحلیل، یکپارچه سازی و تصمیم گیری قابل اعتماد، سازگار و متناسب با هدف هستند.
Pooja Jain
آموزش Prophecy for Data Engineering: Low-code Transformation Data
Prophecy for Data Engineering: Low-code Data Transformation
Databricks و Spark Data Engineering را بیاموزید تا تبدیل داده های سلف سرویس و توسعه خطوط لوله را سرعت دهید
Mei Long
Richard Marcus
Anya Bida
Maciej Szpakowski
آموزش Essential SQL: Azure Data Factory and Data Engineering
Essential SQL: Azure Data Factory and Data Engineering
Azure Data Factory | مهندسی داده با استفاده از ADF | جریان های نقشه برداری داده | SQL ذخیره شده رویه | مهندسی داده
Kris Wenzel
آموزش تسلط بر دریاچه داده ها: کلید مهندسی داده های بزرگ و داده ها
Data Lake Mastery: The Key to Big Data & Data Engineering
تسلط بر دریاچه داده با استفاده از AWS: میانبری برای موفقیت در داده های بزرگ، مهندسی داده های ابری و معماری داده ها
Nikolai Schuler
آموزش مقدمه ای بر مهندسی داده با استفاده از هوش مصنوعی تولیدی
Introduction to Data Engineering using Generative AI
راهنمای عملی مبتدیان برای GenAI و LLM برای تبدیل، بارگذاری و مدل‌سازی داده‌ها با پایتون و SQL
Daniel Sullivan
آموزش پایتون برای مهندسی داده: از مبتدی تا پیشرفته
Python for Data Engineering: from Beginner to Advanced
شما نیازی به داشتن دانش قبلی پایتون ندارید، اما دانش کدنویسی در PL دیگر مفید خواهد بود. فصل اول به بررسی اصول اولیه می پردازد اما به عمق زیادی نمی رود.
Deepak Goyal