پی سی دانلود - data-integration

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.

پایتون به عنوان یکی از منعطف‌ترین و پرکاربردترین زبان‌های برنامه‌نویسی در حوزه مهندسی و تحلیل داده شناخته می‌شود. اکوسیستم غنی این زبان، شامل کتابخانه‌های محبوبی نظیر Pandas ،PySpark و NumPy، به متخصصان اجازه می‌دهد تا داده‌ها را با سرعت بالا پردازش کرده، حجم کاری را خودکارسازی کنند و سیستم‌های ETL مقیاس‌پذیری را ایجاد نمایند که توانایی مدیریت حجم عظیم اطلاعات را داشته باشند. از سوی دیگر، دیتا‌بریکس به عنوان یک پلتفرم یکپارچه برای تحلیل و مهندسی داده معرفی می‌شود که جهت ساده‌سازی فرآیندهای داده‌های حجیم (Big Data) و یادگیری ماشین توسعه یافته است. این پلتفرم که بر پایه آپاچی اسپارک بنا شده، محیطی بهینه برای ایجاد خطوط لوله ETL با کارایی بالا فراهم می‌کند. شرکت‌کنندگان در این دوره می‌آموزند که چگونه از نوت‌بوک‌های مشارکتی استفاده کنند و حاکمیت داده‌ها را در سطح سازمانی با ابزارهایی مانند Unity Catalog مدیریت نمایند.
این دوره آموزشی تمام دانش لازم برای تبدیل شدن به یک متخصص مهندسی داده را در اختیار کاربران قرار می‌دهد. آموزش‌ها با استفاده از نمودارهای بصری، مثال‌های کاربردی و پروژه‌های واقعیِ توسعه خط لوله ETL همراه است تا مفاهیم به عمیق‌ترین شکل ممکن منتقل شوند. در طول این مسیر، از مراحل اولیه ورود داده‌ها تا پاکسازی، تغییر شکل و در نهایت بارگذاری آن‌ها در مخازن داده، به صورت گام‌به‌گام بررسی خواهد شد.
در دوره آموزشی Python, Databricks & Apache Spark: Complete ETL Engineering با اصول طراحی و اجرای فرآیندهای مهندسی داده 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 دوره برای کسانی طراحی شده است که می‌خواهند پلتفرم Azure Data Factory را به صورت عملی و با پروژه‌های واقعی، خطوط داده پویا و حل مشکلات کاربردی بیاموزند. این دوره از سخنرانی‌های تئوری و آماده‌سازی عمومی برای گواهینامه‌ها فاصله گرفته و بر کاربرد واقعی تمرکز دارد. مسترینگ دیتا فکتوری آژور دوره‌ای است که به شرکت‌کنندگان کمک می‌کند تا به طور عملی و از طریق سناریوهای واقعی، مهارت‌های خود را در Azure Data Factory (ADF) ارتقا دهند. این دوره به جای تمرکز بر مفاهیم تئوریک، بر حل مسائل عملی و پیاده‌سازی پروژه‌های دنیای واقعی تمرکز دارد. شرکت‌کنندگان با یادگیری و استفاده از Azure Data Factory، می‌توانند داده‌ها را از منابع مختلفی مانند SQL، REST APIs، Snowflake و PostgreSQL جمع‌آوری کنند. علاوه بر این، دوره شامل آموزش ساخت چارچوب‌های قابل استفاده مجدد، پیاده‌سازی بارهای افزایشی و تبدیل داده‌ها با استفاده از Data Flows است. این دوره توسط CloudPandith (Mallaiah)، یک معمار ارشد داده و مربی حرفه‌ای، هدایت می‌شود و بیش از ۴۰ سناریوی بلادرنگ ADF را دربرمی‌گیرد. مخاطبان این دوره، چه مبتدی باشند و چه افراد حرفه‌ای، یاد می‌گیرند که چگونه خطوط داده را با استفاده از تمام ویژگی‌های ADF مانند SHIR (محیط‌های یکپارچه‌سازی خودمیزبان)، تریگرها (محرک‌ها)، ادغام Key Vault، CDC (تغییر داده‌های ضبط شده)، و زمان‌بندی Databricks طراحی، خودکارسازی و بهینه کنند. در این دوره، هر بخش آموزشی بر مبنای کاربردهای واقعی ساخته شده و نه بر اساس تئوری‌های کتابی.
در دوره آموزشی Mastering Azure Data Factory : Real-World Projects With ADF با ساخت و بهینه‌سازی خطوط داده در پلتفرم Azure آشنا خواهید شد.

در دنیای امروزی که بر پایه داده بنا شده است، سازمان‌ها حجم بسیار زیادی از داده‌ها را جمع‌آوری و ذخیره می‌کنند. Data Lake ها به عنوان یک جزء حیاتی در این اکوسیستم داده ظهور کرده‌اند. دوره Data Lake Fundamentals برای این طراحی شده است که شما را با دانش و مهارت‌های ضروری برای حرکت در دنیای Data Lake ها مجهز کند. چه یک متخصص داده با تجربه باشید، چه یک دانشمند داده مشتاق، یا یک رهبر کسب‌وکار که می‌خواهد از داده برای تصمیم‌گیری‌های استراتژیک استفاده کند، این دوره برای پاسخگویی به نیازهای شما تنظیم شده است. در این دوره، شرکت‌کنندگان با مفاهیم بنیادی Data Lake ها آشنا می‌شوند و تفاوت آن‌ها را با راهکارهای سنتی ذخیره‌سازی داده درک خواهند کرد. آن‌ها یاد خواهند گرفت که چگونه داده‌ها را با استفاده از روش‌های مختلف، از جمله پردازش دسته‌ای (batch processing) و جریان داده بی‌درنگ (real-time streaming)، به یک Data Lake وارد کنند (ingest). همچنین، دنیای فرمت‌های داده و راهکارهای ذخیره‌سازی، از جمله فرمت‌های فایل محبوب و سیستم‌های ذخیره‌سازی مورد بررسی قرار خواهد گرفت. بخش مهم دیگری از دوره به آماده‌سازی، پاک‌سازی و تبدیل داده‌ها (data transformation) در یک Data Lake برای انجام تحلیل‌های معنادار اختصاص دارد. شرکت‌کنندگان هنر پرس و جو (querying) و تحلیل داده‌های ذخیره شده در Data Lake ها را با استفاده از SQL، Apache Hive و سایر ابزارها فرا خواهند گرفت. در نهایت، جنبه‌های حیاتی حکمرانی داده (data governance)، امنیت (security) و انطباق (compliance) در محیط‌های Data Lake مورد بحث و بررسی قرار خواهد گرفت تا شرکت‌کنندگان بتوانند Data Lake های ایمن و قابل اعتمادی را مدیریت کنند.
در دوره آموزشی Data Lake Fundamentals با مفاهیم کلیدی و نحوه کار با Data Lake ها 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.

در دنیای داده محور امروزی، کسب و کارها با حجم عظیمی از اطلاعات که در سیستم‌های مختلف، اعم از SAP و غیر SAP، پراکنده است، سروکار دارند. مدیریت، یکپارچه‌سازی و استخراج بینش‌های معنادار از این منابع داده می‌تواند یک چالش باشد. این دوره یک رویکرد ساختاریافته برای مدیریت کارآمد داده‌ها ارائه می‌دهد و سازمان‌ها را قادر می‌سازد تا فرآیندهای خود را بهینه کرده و تصمیمات بهتری بگیرند.
در دوره آموزشی SAP Data Intelligence Training با مدیریت و تحلیل داده های سازمانی آشنا خواهید شد.

در این دوره شرکت کننده با مفاهیم و کاربرد های SQL برای تحلیل داده آشنا می‌شود. این دوره به شرکت کننده یاد می‌دهد که چگونه با استفاده از SQL داده‌ها را query کند و گزارش های تحلیلی ایجاد کند. این دوره برای افرادی که به دنبال ورود به حوزه تحلیل داده یا علم داده هستند، یا کسانی که فقط با صفحات گسترده کار کرده‌اند، یا به دیگران برای query داده‌ها تکیه کرده‌اند، مناسب است.
در دوره آموزشی SQL for Data Analysis, Hands-on industry skills for analysts با مفاهیم و کاربرد های SQL برای تحلیل داده آشنا خواهید شد.

این دوره آموزشی برای آموزش مهندسی داده در محیط Azure cloud طراحی شده است. این دوره شامل مباحثی از جمله SQL، data warehousing، Azure Data factory، Python programming، big data، Databricks، PySpark، Delta lake، Spark structured streaming و Azure devops می باشد. این دوره برای افرادی که می خواهند در زمینه مهندسی داده در Azure cloud فعالیت کنند، مناسب است.
در دوره آموزشی Azure Data Engineering End-to-end Course (English) با ابزار ها و تکنولوژی های مهندسی داده در محیط Azure cloud آشنا خواهید شد.