دوره آموزشی مهندسی داده مایکروسافت آژور (DP-203): بخش 2 طراحی و توسعه پردازش داده ها
46 دقیقهمتوسط2022-01-06
مدرسین
Noah Gift
MLOps Expert | Solopreneur | Author | Adjunct Professor | CTO
جزئیات دوره
آیا برای آزمون Microsoft Azure Data Engineering (DP-203) آماده می شوید یا به دنبال درک بهتری از نحوه طراحی و توسعه پردازش داده هستید؟ این دوره، دومین دوره از یک سری، می تواند به شما کمک کند. نوح گیفت، بنیانگذار Pragmatic A.I. آزمایشگاه ها و یکی از همکاران بنیاد نرم افزار پایتون، نحوه طراحی و توسعه پردازش داده با Azure را پوشش می دهد. نوح به شما نشان می دهد که چگونه از Apache Spark، Data Factory و Databricks برای جذب و تبدیل داده ها در Azure استفاده کنید. او به پاکسازی داده ها و کارهای رایج تبدیل داده می پردازد، سپس به سراغ راه حل های پردازش دسته ای می رود. نوح پس از توضیح نحوه ادغام نوتبوکهای Jupyter/Python در خط لوله دادههای خود، در مورد پردازش جریان، تفاوتهای بین پردازش جریانی و دستهای و استفاده از راهحل Azure Data Factory برای مدیریت دستهها و خطوط لوله صحبت میکند.
مهارت ها
Data EngineeringAzureNetwork AdministrationCloud PlatformsCert PrepNetwork and System AdministrationCloud ComputingData ScienceMicrosoft
سرفصل ها
0. مقدمه
- 01 - طراحی و توسعه پردازش داده ها در Microsoft Azure
- 02 - مرور سریع فناوری پیش نیاز
1. داده ها را بلعیده و تبدیل کنید
- 03 - با استفاده از Apache Spark داده ها را تبدیل کنید
- 04 - داده ها را پاک کنید
- 05 - وظایف متداول تبدیل داده ها
2. طراحی و توسعه یک راه حل پردازش دسته ای
- 06 - راه حل های پردازش دسته ای را توسعه دهید
- 07 - نوت بوک های Jupyter Python را ادغام کنید
3. طراحی و توسعه یک راه حل پردازش جریان
- 08 - یک راه حل پردازش جریانی ایجاد کنید
4. دسته ها و خطوط لوله را مدیریت کنید
- 09 - دسته ها و خطوط لوله را مدیریت کنید
نتیجه
- 10 - خلاصه و مراحل بعدی
دوره های مرتبط
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی مهندسی تحلیل پیشرفته: تمرینهای دنیای واقعی
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری اصولی PySpark: معرفی ساخت خطوط پردازش داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده
- دوره آموزشی SPSS: آمادهسازی، مصورسازی و مدلسازی دادهها