تبدیل شدن به یک مهندس داده مسلط بر مفاهیم - Become a Data Engineer: Mastering the Concepts

مسیر آموزشی تبدیل شدن به یک مهندس داده مسلط بر مفاهیم - Image of Learn Path Become a Data Engineer: Mastering the Concepts
تبدیل شدن به یک مهندس داده مسلط بر مفاهیم Become a Data Engineer: Mastering the Concepts
با یادگیری مفاهیم اساسی، مهارت های مهندسی داده و DevOps گسترده ای ایجاد کنید. با استفاده از این مسیر یادگیری، بر ابزارهای تجارت و نحوه استفاده از آنها در محیط ها و پلتفرم های پروژه داده های دنیای واقعی مسلط شوید.
Become a Data Engineer: Mastering the Concepts
Build extensive data engineering and DevOps skills as you learn essential concepts. With this learning path, master the tools of the trade and how to apply them in real-world data project environments and platforms.
مدت زمان: 13h 11m
تعداد دوره ها: 9
مجموع قیمت: (۲۰۲,۰۰۰)
قیمت با 30% تخفیف : ۱۴۱,۴۰۰
تعداد مدرسین: 6
برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
  • 1
    دوره آموزشی دوره آموزشی مبانی علم داده: مهندسی داده - Image of Course Data Science Foundations: Data Engineering 53 دقیقه
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی مبانی علم داده: مهندسی داده

    Data Science Foundations: Data Engineering

    با تسلط بر مهارت های اصلی مورد نیاز برای استفاده از داده ها برای کسب و کار 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، کارشناس علوم داده، نحوه جمع‌آوری و سازماندهی داده‌های خود را توضیح می‌دهد تا بتوانید نتایجی را ارائه دهید که سازمان شما می‌تواند از آن استفاده کند. بن با بررسی اکوسیستم داده مدرن و چگونگی ارتباط آن با اجرای یک هاب داده هوشمند و کارآمد شروع می کند. سپس، او به شما نشان می دهد که چگونه وظایف اصلی مربوط به مدیریت، بارگذاری، استخراج و تبدیل داده ها را انجام دهید. او همچنین شما را از طریق مرحله بندی، نمایه سازی، پاکسازی و انتقال داده ها راهنمایی می کند. در طول مسیر، او توصیه‌های عملی را ارائه می‌دهد که برای کارشناسان داده در سراسر یک سازمان - تحلیلگران، مهندسان، دانشمندان، مدل‌سازان، و غیره قابل استفاده است. اهداف یادگیری کار با سیستم ها و طرحواره ها مدیریت یک خط لوله داده خوب راه اندازی یک محیط بارگذاری و پروفایل کردن داده ها کیفیت تست افزودن انواع داده ها مدیریت مقادیر گمشده و اعضای استنتاج شده انجام جستجوی داده های اصلی در حال بارگیری طرحواره ها و جداول ایجاد نماها

  • 2
    دوره آموزشی دوره آموزشی یادگیری جامع NoSQL - Image of Course NoSQL Essential Training 43 دقیقه
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی یادگیری جامع NoSQL

    NoSQL Essential Training

    شما ممکن است به عنوان یک کاربر جدید دنیای داده، شنیده باشید که بسیاری از افراد با هیجان درباره NoSQL و همه کارهایی که می‌تواند انجام دهد صحبت می‌کنند. از نظر انعطاف پذیری، سرعت عالی است و کار با آن آسان است. فوق العاده مقیاس پذیر است، بنابراین با رشد وب سایت‌ها و برنامه‌ها می‌تواند تعداد بیشتری از کاربران را در خود جای دهد. اما آیا جایگزین SQL می‌شود؟ آیا پایگاه داده‌های رابطه‌ای را منسوخ می‌کند؟ در این دوره مربی Mel McGee دقیقاً توضیح می‌دهد که NoSQL دقیقاً چیست، نکات مثبت و منفی، و سودهایی که هنگام استفاده از NoSQL ایجاد خواهید کرد. او رویکردی سطح بالا را انجام می‌دهد بدون اینکه در جزئیات هر یک از زبانها یا راه حلهای پرس و جو NoSQL وارد شود، بنابراین اگر شما یک توسعه دهنده هستید که به دنبال یک تصویر بزرگتر از NoSQL هستید، یا یک کارآفرین می‌خواهید گزینه‌های محصول شما را جستجو کند، یا فقط ساده است در مورد پایگاه داده‌های غیر رابطه‌ای کنجکاو هستید، این دوره برای شما مناسب است.

  • 3
    دوره آموزشی دوره آموزشی جامع Apache Spark: مهندسی داده بزرگ - Image of Course Apache Spark Essential Training: Big Data Engineering 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی جامع Apache Spark: مهندسی داده بزرگ

    Apache Spark Essential Training: Big Data Engineering

    مهندسی داده، پایه و اساس تجزیه و تحلیل و کاربردهای علم داده در دنیای جدید داده های بزرگ است. مهندسی داده نیازمند ترکیب چندین فناوری داده بزرگ برای ساخت خط لوله داده و شبکه هایی برای جریان، پردازش و ذخیره داده ها است. این دوره بر ایجاد راه حل های کامل تمرکز می کند که Apache Spark را با سایر ابزارهای Big Data ترکیب می کند تا خطوط لوله داده به انتها ایجاد کند. مربی Kumaran Ponnambalam با تعریف مهندسی داده، عملکردها و مفاهیم آن شروع می کند. در مرحله بعد، کوماران می گوید چگونه قابلیت های Spark مانند پردازش موازی، برنامه های اجرایی، گزینه های مدیریت حالت و یادگیری ماشین با استخراج، تبدیل، بارگذاری (ETL) کار می کند. او شما را با موارد و فرایندهای استفاده از پردازش دسته ای و همچنین خطوط لوله پردازش در زمان واقعی آشنا می کند. پس از گذراندن چندین شیوه مفید مفید، کومانان با یک پروژه تمرینی به پایان می رسد.

  • 4
    دوره آموزشی دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی کاربرد حالت دسته ای - Image of Course Architecting Big Data Applications: Batch Mode Application Engineering 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی کاربرد حالت دسته ای

    Architecting Big Data Applications: Batch Mode Application Engineering

    حالت دسته ای، عملیات مربوط به داده ها را به منظور کاهش بار روی شبکه ها یکپارچه می کند. حالت دسته‌ای به معماران نرم‌افزار کمک می‌کند تا برنامه‌های کلان داده بسازند که تحت شرایط دنیای واقعی به آرامی و کارآمد عمل کنند. در این دوره آموزشی، می‌توانید با موارد استفاده و بهترین روش‌ها برای معماری برنامه‌های حالت دسته‌ای با استفاده از فناوری‌هایی مانند Hive و Apache Spark آشنا شوید. هیچ کدنویسی در کار نیست. در عوض خواهید دید که چگونه ابزارهای کلان داده می توانند به حل برخی از پیچیده ترین چالش ها برای کسب و کارهایی که حجم زیادی از داده ها را تولید، ذخیره و تجزیه و تحلیل می کنند، کمک کند. موارد استفاده از صنایع مختلفی از جمله تجارت الکترونیک و فناوری اطلاعات استخراج شده است. مربی کوماران پونامبالام نحوه تجزیه و تحلیل یک مسئله، ترسیم طرح کلی معماری، انتخاب فناوری های مناسب و نهایی کردن راه حل را نشان می دهد. پس از هر مورد استفاده، او بهترین شیوه های مرتبط را برای اکتساب داده، حمل و نقل، پردازش، ذخیره سازی و خدمات بررسی می کند. هر درس سرشار از تکنیک ها و بینش های عملی از توسعه دهنده ای است که مزایا و کاستی های این فناوری ها را از نزدیک تجربه کرده است. اهداف یادگیری اجزای یک برنامه داده بزرگ استراتژی های توسعه برنامه داده های بزرگ موارد استفاده: بایگانی گزارش های حسابرسی و انجام تجزیه و تحلیل مشتری گزینه های فناوری طراحی راه حل ها بهترین شیوه ها

  • 5
    دوره آموزشی دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی برنامه های زمان واقعی - Image of Course Architecting Big Data Applications: Real-Time Application Engineering 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی برنامه های زمان واقعی

    Architecting Big Data Applications: Real-Time Application Engineering

    سیستم‌های بلادرنگ زمان پاسخگویی را تضمین می‌کنند که می‌تواند چند ثانیه از ماشه فاصله داشته باشد. به این معنی که وقتی کاربر روی دکمه ای کلیک می کند، برنامه شما بهتر و سریع پاسخ می دهد. معماري برنامه‌ها تحت محدوديت‌هاي بلادرنگ چالش بزرگ‌تري است هنگامي كه با داده‌هاي بزرگ سروكار داريد. تأخیر بیش از حد می تواند برای شما هزینه داشته باشد، از نظر منابع سیستم مصرف شده و مشتریان از دست رفته. خوشبختانه، فناوری داده‌های بزرگ و معماری کارآمد می‌توانند پاسخگویی در زمان واقعی کسب‌وکار شما را فراهم کنند. در این دوره آموزشی می‌توانید با موارد استفاده و بهترین روش‌ها برای معماری برنامه‌های بلادرنگ با فناوری‌هایی مانند Kafka، Hazelcast و Apache Spark آشنا شوید. هیچ کدنویسی در کار نیست. در عوض خواهید دید که چگونه ابزارهای کلان داده می توانند به حل برخی از پیچیده ترین چالش ها برای کسب و کارهایی که حجم زیادی از داده ها را تولید، ذخیره و تجزیه و تحلیل می کنند، کمک کند. موارد استفاده از صنایع مختلفی از جمله تجارت الکترونیک و فناوری اطلاعات استخراج شده است. مربی کوماران پونامبالام نحوه تجزیه و تحلیل یک مسئله، ترسیم طرح کلی معماری، انتخاب فناوری های مناسب و نهایی کردن راه حل را نشان می دهد. پس از هر مورد استفاده، او بهترین شیوه‌های مرتبط را برای پخش بلادرنگ، تجزیه و تحلیل پیش‌بینی‌کننده، پردازش موازی و مدیریت خط لوله بررسی می‌کند. هر درس سرشار از تکنیک ها و بینش های عملی از توسعه دهنده ای است که مزایا و کاستی های این فناوری ها را از نزدیک تجربه کرده است. اهداف یادگیری اجزای یک برنامه داده بزرگ استراتژی های توسعه برنامه داده های بزرگ موارد استفاده: تشخیص تقلب و توصیه های محصول گزینه های فناوری طراحی راه حل ها بهترین شیوه ها

  • 6
    دوره آموزشی دوره آموزشی SQL : گزارش و تجزیه و تحلیل داده‌ها - Image of Course SQL: Data Reporting and Analysis 2 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی SQL : گزارش و تجزیه و تحلیل داده‌ها

    SQL: Data Reporting and Analysis

    آیا برای بدست آوردن داده‌های مورد نیاز خود به IT تکیه می‌کنید؟ آیا شما غالباً در انتظار خط داده هستید و آرزو می‌کنید که بتوانید خودتان آن را بازیابی کنید؟ در این دوره یاد بگیرید که چگونه با نوشتن کمی کد SQL می‌توانید داده‌های مورد نظر خود را بدست آورید. شما فقط قادر به بیرون کشیدن داده‌ها از پایگاه داده نخواهید بود، بلکه شما قادر خواهید بود تا آن را دستکاری کنید: ادغام آن، گروه‌بندی آن، و مجدداً گزارش موردنظر خود را انجام دهید. به Emma Saunders بپیوندید زیرا او نحوه‌ی نوشتن نمایش داده‌های SQL برای گزارش و تجزیه و تحلیل داده‌ها را به شما نشان می‌دهد. با استفاده از توابع داخلی SQL برای قالب بندی یا محاسبه نتایج، نحوه فیلتر کردن، گروه‌بندی و مرتب‌ سازی داده‌ها را یاد بگیرید. نحوه انجام نمایش داده‌های پیچیده تر، مانند joining به داده‌ها از جداول پایگاه داده‌های مختلف را کشف کنید. آخر اینکه، وی نماها، رویه‌ها، عملکردها و متغیرها را معرفی می‌کند. اهداف یادگیری بازیابی داده ها با دستورات SELECT فیلتر کردن و مرتب کردن نتایج شما تغییر نتایج با توابع SQL داخلی گروه بندی نتایج SQL ادغام داده ها از جداول متعدد استفاده از متغیرها، توابع و رویه ها

  • 7
    دوره آموزشی دوره آموزشی نکات و ترفندهای SQL برای علوم داده - Image of Course SQL Tips and Tricks for Data Science 1 ساعت بروز شده
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی نکات و ترفندهای SQL برای علوم داده

    SQL Tips and Tricks for Data Science

    12 تکنیک SQL ضروری بن سالینز را برای متخصصان علوم داده - مهندسان، DevOps، استخراج کنندگان داده، برنامه نویسان و سایر متخصصان سیستم، دریافت کنید. نکات بن بر کاربردهای عملی پرس و جوهای SQL برای تجزیه و تحلیل داده ها متمرکز است. نحوه بازیابی داده‌ها، پیوستن به جداول، محاسبه میانگین‌ها و رتبه‌بندی‌ها، کار با تاریخ و زمان، استفاده از توابع پنجره، جمع‌آوری و فیلتر کردن داده‌ها و موارد دیگر را بیاموزید. هر نکته کوتاه، مرتبط و به‌روز با بهترین شیوه‌های صنعت کنونی است، که این دوره آموزشی عالی برای تحلیلگران پرمشغله‌ای است که معمولاً برای پیدا کردن زمان برای ایجاد مهارت‌های خود تلاش می‌کنند.

  • 8
    دوره آموزشی دوره آموزشی Cloud NoSQL برای SQL Professionals - Image of Course Cloud NoSQL for SQL Professionals 2 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی Cloud NoSQL برای SQL Professionals

    Cloud NoSQL for SQL Professionals

    پایگاه های داده NoSQL می توانند داده های غیر مرتبط را در مقیاس بسیار بزرگ ذخیره کرده و مشکلاتی را حل کنند که پایگاه های داده معمولی از عهده آن بر نمی آیند: نمایه سازی کل اینترنت ، پیش بینی رفتار مشترکان یا هدف قرار دادن تبلیغات در بستری به بزرگی Facebook. اما با بیش از 150 نوع پایگاه داده NoSQL ، برای یک حرفه ای SQL می تواند سخت باشد که بداند از کجا شروع کند. در این دوره ، لین لانگیت این انواع را به چند دسته اصلی تقسیم می کند و نشان می دهد که چگونه می توان با راهکارهای آسان پیکربندی ابر پایگاه داده NoSQL خود را راه اندازی کرد. بیاموزید که چگونه داده ها را اضافه و پرس و جو کنید ، قضیه CAP را با NoSQL اعمال کنید و روندهای NoSQL کلیدی را مانند چندین قابلیت و گزینه های NoSQL دریاچه داده اعمال کنید. به علاوه ، خدمات پایگاه داده AWS و GCP NoSQL مانند DynamoDB ، ElastiCache و Bigtable را کاوش کنید.

  • 9
    دوره آموزشی دوره آموزشی NoSQL پیشرفته برای دانشمندان علم داده - Image of Course Advanced NoSQL for Data Science 2 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی NoSQL پیشرفته برای دانشمندان علم داده

    Advanced NoSQL for Data Science

    بسیاری از سازمان ها برای ذخیره حجم وسیعی از داده های پیچیده به پایگاه های داده NoSQL روی می آورند و این امر باعث افزایش نیاز دانشمندان و تحلیلگران داده به درک ذخیره داده های غیر ارتباطی می شود. اگر شما یک دانشمند داده یا تحلیلگر کسب و کار هستید و باید با NoSQL کار کنید، این دوره برای شما مناسب است. با تفاوت بین پایگاه های داده رابطه ای و NoSQL آشنا شوید، انواع پایگاه های داده NoSQL را مرور کرده و نحوه انجام وظایف رایج علم داده، از جمله آماده سازی داده ها، اکتشاف و ایجاد و کاربرد مدل ها را مشاهده کنید. این دوره با مقدمه ای بر NoSQL آغاز می شود و سپس به بررسی مشخصات پایگاه داده های سند، ستون گسترده و نمودار می پردازد. جزئیات کلیدی برای انجام آماده سازی، اکتشاف و استخراج داده ها برای هر نوع پایگاه داده NoSQL را بیاموزید. موارد موردی را که نحوه استفاده از پایگاه داده های مختلف NoSQL با ابزارهای رایج علم داده از جمله پایگاه داده اسناد MongoDB، پایگاه داده ستون گسترده Cassandra و پایگاه داده نمودار Neo4j را مرور می کند. اهداف یادگیری NoSQL در مقایسه با پایگاه های داده سنتی رابطه ای انجام وظایف رایج علم داده آماده سازی داده ها با پایگاه داده های اسناد دستکاری داده ها در NoSQL آماده سازی، کاوش، استخراج و مدل سازی کار با پایگاه داده های سند، ستون گسترده و نمودار مرور مطالعات موردی با استفاده از MongoDB، Cassandra و Neo4j

برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
شما این مسیر آموزشی را با مدرسان زیر میگذرانید
عکس مدرس Lynn Langit - Image of Author Lynn Langit

Lynn Langit

لین لانگیت یک معمار و توسعه دهنده Cloud است که راه حل هایی را با خدمات وب (Amazon (AWS و (Google Cloud Platform (GCP ایجاد می کند. او متخصص پروژه های داده های بزرگ (big data) است. لین با AWS Athena، Aurora، Redshift، Kinesis و IoT کار کرده است. او همچنین کار تولید با Databricks برای Apache Spark و Google Cloud Dataproc، Bigtable، BigQuery و Cloud Spanner انجام داده است. لین همچنین مؤسس آموزش برنامه نویسی برای کودکان (Teaching Kids Programming) است. او در زمینه فناوری اطلاعات و Cloud در آمریکای شمالی و جنوبی، اروپا، آفریقا، آسیا و استرالیا سخنرانی کرده است.

مشاهده پروفایل
عکس مدرس Emma Saunders - Image of Author Emma Saunders

Emma Saunders

اما ساندرز، یک مشاور اطلاعات آزاد و متخصص در تجسم داده ها در وب است. او در کارهای خود از HTML ، CSS، D3، DC، Crossfilter، JavaScript، PHP، SQL و VBA استفاده می کند ، اما او به اندازه یک برنامه نویس، یک طراح هم هست. او از پیدا کردن داستان در داده ها لذت می برد و بهترین راه برای برقراری ارتباط آن داستان را ارائه می دهد. او فارغ التحصیل دانشگاه آکسفورد و دارای 15 سال سابقه کار است، شروع به کار او در برنامه فارغ التحصیلان Shell ، و رفتن به اعتبار سوئیس ، تنظیم کننده مالی انگلستان ، و حتی کار کردن با spell به عنوان روزنامه نگار در Financial Times در لندن است. او هرگز در یک بخش فناوری اطلاعات کار نکرده است ، اما به خود مهارت های کد نویسی را آموخته است ، زیرا آنها از شغل، برای کار دیگر مفید واقع شده اند. او همچنین از سال 2006 به مدت چند سال تجارت آنلاین خود را اداره کرد و یک سایت تجارت الکترونیکی را برای آن سرمایه گذاری و کدنویسی کرد. وب سایت شخصی او http://emmasaunders.com است و وی از طریق http://vizdata.co.uk به صورت حرفه ای در دسترس است.

مشاهده پروفایل
عکس مدرس Dan Sullivan - Image of Author Dan Sullivan

Dan Sullivan

دن سالیوان یک متخصص معماری سازمانی در معماری داده، آنالیتیک ها، data mining، آمار، نمونه سازی داده، big data ، و محاسبه cloud است. به علاوه، او در ژنتیک، بیوانفورمتیک، و زیست شناسی محاسبه ای، PhD دارد. دَن به طور مرتب با Spark، Oracle، NoSQL، MongoDB، Redis، R و Python کار می کند. او سابقه نگارش طولانی درباره موضوعاتی نظیر محاسبه cloud، big data، Hadoop و امنیت دارد.

مشاهده پروفایل
عکس مدرس Ben Sullins - Image of Author Ben Sullins

Ben Sullins

به عنوان یک متخصص تمام وقت data، بن سالینز تمام وقتش را صرف کمک به سایرین می کند تا از data هوشمندانه استفاده کنند. وی به اطلاعات معنی می بخشد و از انجامش لذت می برد. پیش زمینه اش به او دانش منحصر به فردی می بخشد که او را از سایر جامعه data مجزی می کند. از اواخر دهه 1990، او به شرکت های معروف زیادی، از جمله facebook، میکروسافت، linkedIn، Cisco، Mozilla ،Pluralsight و Genentech درباره دموکراسیزه کردن data در شرکت هایشان مشاوره داده است. به علاوه، بن سه ماه را صرف اداره مسئولیت facebook کرد تا فرهنگ data را در آنجا ، از طریق ارائه و به کار بردن ابزار مناسب و تکنیک های بصری کردن data با استفاده از Tableau افزایش دهد. و هدف اصلی بن از این تخصص اش فراهم آوردن خدمات خاص به مشتری ها ، از طریق پربار کردن زندگی شان با اطلاعات هوشمندانه و موثر می باشد.

مشاهده پروفایل
عکس مدرس Kumaran Ponnambalam - Image of Author Kumaran Ponnambalam

Kumaran Ponnambalam

Kumaran Ponnambalam بيش از 20 سال با داده ها کار کرده است. او برنامه هاي سازماني و ابر را ساخته است که اطلاعات را براي توليد بينش هاي معنادار براي مصرف کنندگان به ارمغان مي آورد. داده ها همواره کوماران را جذاب کرده اند و هميشه به دنبال راه هايي براي کشف، مديريت و تسلط بر آن ميباشد. استفاده از تجزيه و تحليل براي حل مشکلات کسب‌ و کار ، حوزه کليدي کار اوست. او از ديرباز , علاقه زيادي به ساختن دوره‌هاي کيفي براي مردم براي درک و استفاده از داده‌ها داشته‌ است . تجزيه و تحليل داده هاي بزرگ به سرعت در حال رشد است، اما آموزش و پرورش با کيفيت، به ويژه در زمينه هاي کاربردي، کم است و او مي خواهد به آن کمک کند.

مشاهده پروفایل
عکس مدرس Melanie McGee - Image of Author Melanie McGee

Melanie McGee

ملانی مک گی، مهندس نرم افزار و مدیر عامل و بنیانگذار We Can Code IT است. ملانی "We Can Code IT" را تاسیس کرد ، یک بوت کمپینگ برنامه نویسی است که از طریق فناوری از عدالت اجتماعی حمایت می کند. او افتخار می کند که این فرصت را دارد که به جامعه بازگردد و برنامه نویسان جدید و متنوعی را به عنوان مشاغل فنی معرفی کند. ملانی که خود را یک data geek می داند ، بیش از 20 سال تجربه به عنوان یک توسعه دهنده نرم افزار ، کار در اینترنت اشیا ، هوش مصنوعی ، واقعیت افزوده و توسعه شرکت دارد. او همیشه به تحصیل علاقه داشته و علاوه بر همکاری با We Can Code IT ، در دانشکده مدیریت Weatherhead در دانشگاه Case Western Reserve نیز تدریس می کند.

مشاهده پروفایل