پی سی دانلود - دریاچه-داده

این دوره آموزشی تخصصی با تمرکز بر پیاده‌سازی عملی، فراگیران را برای تسلط کامل بر بسترهای مدرن تحلیل داده و فناوری مایکروسافت فابریک آماده می‌سازد. در طول این دوره، شرکت‌کنندگان با مراحل طراحی و اجرای لایه‌های برنز، نقره‌ای و طلایی بر اساس معماری مدالیون آشنا شده و توانایی خود را در ساخت خطوط لوله خودکار، مدیریت لِیک‌هاوس، استفاده از دفترچه‌های اسپارک، جداول دلتا و انبار داده ارتقا می‌دهند. علاوه بر این، ابعاد حیاتی پروژه‌های صنعتی مانند اعتبار سنجی طرح‌واره‌ها، ثبت وقایع و حسابرسی، مدیریت خطاها و پایش هوشمند خطوط انتقال داده به‌طور کامل آموزش داده می‌شود تا برنامه‌های ساخته شده کاملاً آماده ورود به محیط عملیاتی باشند.
هدف اصلی دوره، انتقال تجربه واقعی در زمینه گردش کارهای مهندسی داده در سطح سازمانی است. فراگیران در مسیر آموزش با استانداردهای کدنویسی قابل اتکا، طراحی خطوط لوله بازاستفاده‌پذیر، تکنیک‌های ارکستراسیون و روش‌های سنجش کیفیت داده آشنا می‌شوند. تمرکز تمامی فصل‌ها بر پیاده‌سازی گام‌به‌گام و سناریوهای واقعی است تا دانش‌پژوهان بتوانند پروژه‌هایی مقیاس‌پذیر، قابل نگهداری و استاندارد خلق کنند. در پایان دوره، شرکت‌کنندگان یک پروژه کامل مایکروسافت فابریک همراه با سورس‌کد جامع در اختیار خواهند داشت که می‌توانند با اطمینان کامل آن را در مصاحبه‌های شغلی، رزومه حرفه‌ای و نمونه‌کارهای خود ارائه دهند و مهارتی ارزشمند در حوزه تحلیل داده‌های مدرن به دست آورند.
در دوره آموزشی Microsoft Fabric Medallion Architecture Project | End-to-End با مهندسی داده در مایکروسافت فابریک آشنا خواهید شد.

پلتفرم دیتابریکس به یکی از ابزارهای محور و اساسی در دنیای مهندسی داده تبدیل شده است و فراگیری آن برای متخصصان داده اهمیت بسیار زیادی دارد. در این دوره آموزشی جامع، شرکت‌کنندگان با مسیر کامل و گام‌به‌گام فرایند ساخت جریان‌های کاری داده مدرن در بستر دیتابریکس آشنا می‌شوند. فرایند آموزش از نخستین مرحله، یعنی استخراج و وارد کردن داده‌های خام به محیط سیستم آغاز می‌شود و تا مرحله انتقال، بازسازی، تبدیل و تنظیم نهایی داده‌ها ادامه می‌یابد. در نهایت، فراگیران یاد می‌گیرند که چگونه داده‌هایی کاملاً پاک‌سازی‌شده، مرتب و آماده برای تحلیل‌های پیشرفته تجاری و آماری ارائه دهند.
صرف‌نظر از اینکه فراگیران در ابتدای مسیر یادگیری دیتابریکس باشند یا قصد داشته باشند مهارت‌های مهندسی داده خود را به سطوح بالاتر و حرفه‌ای‌تری ارتقا دهند، این دوره تمامی مفاهیم پیچیده را به روشی کاملاً ساده، کاربردی و مناسب برای افراد مبتدی تشریح می‌کند. آموزش‌ها تنها به مباحث نظری محدود نمی‌شوند، بلکه با ارائه پیش‌نمایش‌های عملی، تمرین‌های دست‌به‌نقد و نمونه‌های واقعی در دنیای تجارت همراه است تا شرکت‌کنندگان تجربه ملموسی از کار با پروژه کسب کنند. لازم به ذکر است که این دوره آموزشی ارزشمند توسط الکس فربیرگ و مجموعه آنالیست بیल्डर تهیه و تولید شده است و محتوای آن برای بهره‌مندی علاقه‌مندان در اختیار کاربران قرار گرفته است تا بتوانند دانش فنی خود را در حوزه داده گسترش دهند.
در دوره Modern Data Workflows with Databricks با مهندسی و مدیریت داده‌ها در دیتابریکس آشنا خواهید شد.

Azure Data Factory (ADF) یک سرویس مبتنی بر فضای ابری برای ETL (استخراج، تبدیل، بارگذاری) و یکپارچه‌سازی داده‌ها است که توسط مایکروسافت ارائه شده است. این سرویس به سازمان‌ها امکان می‌دهد تا داده‌ها را از منابع متعدد، از جمله منابع محلی، در فضای ابری یا در پلتفرم‌های مختلف، انتقال، تبدیل و هماهنگ‌سازی کنند. این سرویس به عنوان خط لوله داده در محیط Azure عمل می‌کند و امکان اتصال، پاک‌سازی و تحویل داده‌ها به سیستم‌هایی مانند دریاچه‌های داده، انبارهای داده، پلتفرم‌های هوش تجاری و خطوط لوله یادگیری ماشین را فراهم می‌آورد. عملکرد Azure Data Factory بر اساس یک رویکرد گردش کاری است که شامل چهار مرحله اصلی است: ADF از طریق سرویس‌های پیوندی به بیش از ۱۰۰ منبع داده مانند SQL Server، Azure Blob Storage، Amazon S3، Google Cloud Storage، Salesforce و SAP متصل می‌شود. داده‌ها به صورت دسته‌ای یا در زمان واقعی دریافت می‌شوند. ADF از Data Flows (یک رابط بصری و بدون نیاز به کد برای تبدیل داده) یا فعالیت‌های سفارشی مانند اسکریپت‌های SQL، وظایف Spark، نوت‌بوک‌های Databricks و رویه‌های ذخیره‌شده استفاده می‌کند. تبدیل‌ها ممکن است شامل ادغام، فیلتر کردن، تجمیع، تبدیل فرمت (مانند تبدیل CSV به JSON و Parquet) و پاک‌سازی داده‌ها باشد.
در دوره آموزشی Azure Data Factory (ADF): Build Scalable Data Pipelines با مبانی Azure Data Factory و ساخت خطوط لوله داده آشنا خواهید شد.

این بخش اول از دوره مهندسی داده در AWS است. این دوره توضیحات مفصلی در مورد سرویس‌های مهندسی داده AWS مانند S3 (سرویس ذخیره‌سازی ساده)، Redshift، Athena، Hive، Glue Data Catalog و Lake Formation ارائه می‌دهد. این دوره به لایه انبار داده یا لایه مصرف و ذخیره‌سازی خط لوله مهندسی داده می‌پردازد. در جلد دوم، سرویس‌های پردازش داده (دسته‌ای و جریانی) را به نمایش خواهد گذاشت. شرکت‌کنندگان فرصت‌هایی برای انجام تمرین‌های عملی با استفاده از مجموعه داده‌های بزرگ (100 گیگابایت تا 300 گیگابایت یا بیشتر داده) خواهند داشت. علاوه بر این، این دوره تمرین‌های عملی ارائه می‌دهد که با سناریوهای زمان واقعی مانند تنظیم عملکرد پرس و جو Redshift، دریافت جریانی، توابع پنجره‌ای، تراکنش‌های ACID، دستور COPY، کلیدهای توزیع و مرتب‌سازی، WLM، امنیت سطح ردیف و ستون، پارتیشن‌بندی Athena، WLM Athena و غیره مطابقت دارند.
در دوره آموزشی Data Engineering on AWS Vol 1 - OLAP & Data Warehouse با مفاهیم و ابزارهای مرتبط با انبار داده در AWS آشنا خواهید شد.

با این دوره آموزشی، متخصص انبار داده شوید: در زمینه‌های ETL، SQL و مدل‌سازی داده با پروژه‌های واقعی سازمانی و راهنمایی متخصصان، مهارت کسب کنید! این دوره که به طور خاص برای مهندسان داده مشتاق، تحلیلگران داده، افرادی که قصد تغییر شغل دارند و متخصصانی که به دنبال مهارت‌های پیشرفته هستند طراحی شده است، به شما کمک می‌کند تا به نتایج شغلی واقعی دست یابید؛ نتایجی مانند به دست آوردن مشاغل پردرآمد، انتقال شغلی روان و آمادگی برای مصاحبه‌های شغلی.  این دوره آموزشی جامع، افراد را برای تبدیل شدن به متخصصان انبار داده آماده می‌کند و مهارت‌های کلیدی در زمینه‌های ETL، SQL و مدل‌سازی داده را از طریق پروژه‌های عملی سازمانی و راهنمایی‌های تخصصی ارائه می‌دهد.
در دوره آموزشی Building a Modern Data Warehouse - Data Engineering Bootcamp با مفاهیم و ابزارهای مرتبط با انبار داده آشنا خواهید شد.

این دوره آموزشی برای تبدیل شدن به یک مهندس داده حرفه‌ای در Databricks طراحی شده است. شرکت‌کنندگان در این دوره، با راهنمایی‌های مربی، Deepak Goyal، نحوه دیباگ کردن، پردازش و تحلیل حجم عظیمی از داده‌ها و ساختن راه‌حل‌های مقیاس‌پذیر را به صورت عمیق فرا خواهند گرفت. این دوره به بررسی دقیق نحوه عملکرد پلتفرم Databricks می‌پردازد. شرکت‌کنندگان با PySpark transformation و Spark SQL در Databricks، همچنین نحوه خواندن و نوشتن DataFrame در Databricks آشنا خواهند شد. علاوه بر این، موضوعاتی مانند Delta Lake، join optimizations، notebook scheduling، cluster management، workflows و موارد دیگر نیز در این دوره پوشش داده می‌شوند.
در دوره آموزشی Complete Guide to Databricks for Data Engineering با مهندسی داده با پلتفرم Databricks آشنا خواهید شد.