آموزش نسل بعدی معماری داده ها
The Next Generation of Data Architecture
Big Data LDN 2019 | نسل بعدی معماری داده برای بینش با سرعت فکر و نحوه دستیابی به آن در یک قطعه | پرادیپ بانوت
Big Data LDN
آموزش ساخت یک معماری مدرن داده برای شرکت داده محور
Building a Modern Data Architecture for the Data Driven Enterprise
Big Data LDN 2019 | ساخت یک معماری مدرن داده برای شرکت داده محور | مایک فرگوسن
آموزش استفاده از مجازی سازی داده ها برای به حداکثر رساندن تجزیه و تحلیل پیشرفته و پتانسیل یادگیری ماشین در معماری داده ها
Leveraging Data Virtualization to Maximize Advanced Analytics and Machine Learning Potential in Your Data Architecture
Big Data LDN 2019 | استفاده از مجازی سازی داده ها برای به حداکثر رساندن تجزیه و تحلیل پیشرفته و پتانسیل یادگیری ماشین در معماری داده ها | وینسنت فاگس
آموزش معماری مدرن نرم افزار: مدل های دامنه ، CQRS و منبع یابی رویدادها
Modern Software Architecture: Domain Models, CQRS, and Event Sourcing
این دوره الگوهای تجزیه و تحلیل DDD را که در کشف معماری سطح بالا در یک حوزه تجاری مفید است ، پوشش می دهد. معماران و توسعه دهندگان جزئیات الگوهای پیاده سازی مانند Domain Model ، CQRS و Event Sourcing را پیدا خواهند کرد.
Dino Esposito
آموزش طراحی معماری مقیاس پذیر داده در Google Cloud
Designing Scalable Data Architectures on the Google Cloud
این دوره بر روی طراحی پایان به پایان یک معماری ابر ، به طور خاص از منظر بهینه سازی این معماری برای پردازش داده های بزرگ ، تجزیه و تحلیل زمان واقعی و پیش بینی زمان واقعی با استفاده از ML و AI متمرکز است.
Janani Ravi
آموزش معماری پایگاه داده Schemaless Scalable NoSQL با استفاده از Google Datastore
Architecting Schemaless Scalable NoSQL Databases Using Google Datastore
این دوره در مورد Datastore ، یک سرویس NoSQL بدون سرور و بدون سرور است که جای خاصی را در GCP پر می کند. Datastore جستجوی سریع را تقریباً مستقل از اندازه مجموعه داده ارائه می دهد و برای س forالات سلسله مراتبی داده های سند بهینه شده است.
Vitthal Srinivasan
آموزش معماری راه حل های کلان داده بدون سرور با استفاده از Google Dataflow
Architecting Serverless Big Data Solutions Using Google Dataflow
Dataflow رویکردی اساساً متفاوت برای پردازش Big Data نسبت به موتورهای محاسباتی مانند Spark دارد. جریان داده بدون سرور و کاملاً مدیریت شده است، به این معنی که تأمین منابع و مقیاس‌بندی می‌تواند برای معمار داده شفاف باشد.
TISYA Software Solutions Private Limited
Ramkumar Swaminathan
آموزش معماری برنامه های کاربردی داده های بزرگ: مهندسی کاربرد در زمان واقعی
Architecting Big Data Applications: Real-Time Application Engineering
در مورد موارد استفاده و بهترین روش ها برای معماری برنامه های زمان واقعی با استفاده از فناوری های داده بزرگ ، مانند Hazelcast و Apache Spark اطلاعات کسب کنید.
Kumaran Ponnambalam
آموزش معماری برنامه های کاربردی داده های بزرگ: مهندسی کاربرد حالت دسته ای
Architecting Big Data Applications: Batch Mode Application Engineering
در مورد موارد استفاده و بهترین روش ها برای معماری برنامه های حالت دسته ای با استفاده از فناوری های داده بزرگ مانند Hive و Apache Spark اطلاعات کسب کنید.
آموزش طراحی معماری پایگاه داده فصل 1 - چارچوب های معماری
Database Architecture Design Chapter 1 - Architectural Frameworks
طراحی معماری پایگاه داده فصل 1 - چارچوب های معماری این دوره برای کمک به تحلیلگران پایگاه داده، معماران پایگاه داده و توسعه فناوری اطلاعات طراحی شده است. ..
Dan Grijzenhout