آموزش ساخت خطوط لوله داده دسته ای در Google Cloud

Building Batch Data Pipelines on Google Cloud

خطوط لوله داده معمولاً تحت یکی از پارادایم های Extra-Load، Extract-Load-Transform یا Extract-Transform-Load قرار می گیرند.


آموزش ساخت خطوط لوله مهندسی داده با کارخانه داده Azure

Build Data Engineering Pipelines with Azure Data Factory

دست به دست شوید و با Azure Data Factory (ADF)، Data Lake Storage، Azure SQL و موارد دیگر یک دریاچه داده مدرن بسازید! (DP203)


آموزش Snowflake - خطوط لوله داده ساخت و معمار با استفاده از AWS

Snowflake - Build & Architect Data pipelines using AWS

مهندسی داده و طراحی خطوط لوله با استفاده از برف ریزه و ابر AWS


پرتو آپاچی | یک دوره آموزشی برای ایجاد خطوط لوله داده های بزرگ

Apache Beam | A Hands-On course to build Big data Pipelines

خطوط لوله داده بزرگ را با پرتو Apache به هر زبانی بسازید و آن را از طریق Spark، Flink، GCP (Google Cloud Dataflow) اجرا کنید.


آموزش ساخت خطوط لوله داده دسته ای در Google Cloud

Building Batch Data Pipelines on Google Cloud

خطوط لوله داده معمولاً تحت یکی از پارادایم های Extra-Load، Extract-Load-Transform یا Extract-Transform-Load قرار می گیرند. این دوره توضیح می دهد که کدام پارادایم و چه زمانی باید برای داده های دسته ای استفاده شود.


آموزش Snowflake - ساخت و معمار خطوط لوله داده با استفاده از AWS [ویدئو]

Snowflake - Build and Architect Data Pipelines Using AWS [Video]

بخشی از یک دوره جامع در مورد ادغام AWS و Snowflake باشید. یادگیری خود را با یک دوره آموزشی قدرتمند و با ساختار مناسب با سرعت کافی افزایش دهید.


آموزش ساخت خطوط لوله داده دسته ای در Google Cloud

Building Batch Data Pipelines on Google Cloud

خطوط لوله داده معمولاً تحت یکی از پارادایم های Extra-Load، Extract-Load-Transform یا Extract-Transform-Load قرار می گیرند.


آموزش ساخت خطوط لوله داده دسته ای در Google Cloud

Building Batch Data Pipelines on Google Cloud

خطوط لوله داده معمولاً تحت یکی از پارادایم های Extra-Load، Extract-Load-Transform یا Extract-Transform-Load قرار می گیرند. این دوره توضیح می دهد که کدام پارادایم و چه زمانی برای داده های دسته ای باید استفاده شود.


آموزش ساخت خطوط لوله داده دسته ای در Google Cloud

Building Batch Data Pipelines on Google Cloud

خطوط لوله داده معمولاً تحت یکی از پارادایم های Extra-Load، Extract-Load-Transform یا Extract-Transform-Load قرار می گیرند. این دوره توضیح می دهد که کدام پارادایم و چه زمانی برای داده های دسته ای باید استفاده شود.


آموزش ساخت خطوط لوله حاشیه نویسی داده ها

Building Data Annotation Pipelines

"شما یاد خواهید گرفت: حاشیه نویسی داده یا خط لوله برچسب گذاری چیست چرا به یکی احتیاج داری مراحل مورد نیاز برای ایجاد خط لوله حاشیه نویسی داده ها. در نهایت، ما قرار است. .."


آموزش ایجاد و نظارت بر خطوط لوله داده برای راه حل پردازش دسته ای

Create and Monitor Data Pipelines for a Batch Processing Solution

تجزیه و تحلیل داده ها در لایه سرویس دهی با فرآیند داده به خوبی طراحی و اجرا شده است. این دوره به شما ملاحظات کلیدی و اصول طراحی ایجاد و نظارت بر خطوط لوله داده برای راه حل پردازش دسته ای را آموزش می دهد.


آموزش ایجاد و نظارت بر خطوط لوله داده برای راه حل پردازش جریان

Create and Monitor Data Pipelines for a Stream Processing Solution

این دوره به شما نحوه ایجاد، پیکربندی، نظارت و عیب یابی مشاغل Azure Stream Analytics را برای پردازش داده های پخش زنده آموزش می دهد.


1 2 صفحه ی 1 از 2 صفحه