پی سی دانلود - پردازش-داده

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.

این دوره برای افرادی طراحی شده است که قصد دارند توسعه راهکارهای یادگیری عمیق را آغاز کنند، اما نمی‌خواهند زمان زیادی را صرف مباحث ریاضی و تئوری کنند. همچنین، برای کسانی که مایل به انجام پروژه‌های یادگیری عمیق هستند اما از درگیر شدن با وظایف برنامه‌نویسی طاقت‌فرسا دوری می‌کنند، این دوره بسیار مناسب است. اگر به دنبال فرآیندی خودکار برای توسعه راهکارهای یادگیری عمیق هستید، این دوره دقیقاً برای شماست! به دوره "یادگیری عمیق در عمل" خوش آمدید، بدون دردسر! دوره‌های آموزشی و آموزش‌های فراوانی در زمینه یادگیری عمیق وجود دارد. با این حال، یافتن برخی مهارت‌های عملی در این حجم عظیم از منابع یادگیری عمیق چالش‌برانگیز است و افراد برای کسب این مهارت‌های عملی زمان زیادی را صرف می‌کنند. این دوره این خلأ را پر می‌کند و مجموعه‌ای از سخنرانی‌های عملی همراه با پروژه‌های کاربردی را ارائه می‌دهد که از طریق آن‌ها بهترین شیوه‌هایی که متخصصان یادگیری عمیق برای انجام پروژه‌های خود باید بدانند، معرفی می‌شود.
در دوره آموزشی Deep Learning in Practice I: Tensorflow Basics and Datasets با مبانی توسعه راه‌حل‌های یادگیری عمیق با تمرکز بر تنسورفلو و طراحی مجموعه داده آشنا خواهید شد.

این دوره آموزشی جامع، شرکت‌کنندگان را از مبانی زبان برنامه‌نویسی پایتون آغاز کرده و به تدریج آن‌ها را با مفاهیم پیشرفته‌تر مانند برنامه‌نویسی شیءگرا آشنا می‌سازد. در ادامه، دوره به آموزش کتابخانه‌های حیاتی NumPy و Pandas می‌پردازد که ابزارهای قدرتمندی برای دستکاری، پردازش و تحلیل کارآمد داده‌ها در پایتون هستند. شرکت‌کنندگان یاد خواهند گرفت که چگونه با مجموعه‌های داده بزرگ کار کنند، داده‌های از دست رفته را مدیریت نمایند و محاسبات پیچیده را انجام دهند. علاوه بر این، دوره به معرفی کتابخانه Polars می‌پردازد و مزایای آن را در مقایسه با Pandas، به ویژه در زمینه سرعت و عملکرد در کار با داده‌های حجیم، مورد بررسی قرار می‌دهد. بخش مهم دیگری از این دوره به آموزش تکنیک‌های مصورسازی داده با استفاده از کتابخانه‌های Seaborn و Matplotlib اختصاص دارد. شرکت‌کنندگان مهارت‌های لازم برای ایجاد انواع نمودارها و تصاویر بصری جذاب و گویا را کسب خواهند کرد تا بتوانند داستان‌های نهفته در داده‌ها را به طور موثرتری 전달 کنند. همچنین، آشنایی با Git و اصول کنترل نسخه به شرکت‌کنندگان کمک می‌کند تا به طور موثرتری تغییرات کد خود را مدیریت کرده و در پروژه‌های تیمی همکاری نمایند. در نهایت، دوره با آموزش نحوه ساخت داشبوردهای تعاملی با استفاده از Streamlit و Matplotlib به اوج خود می‌رسد. شرکت‌کنندگان یک پروژه عملی و کاربردی را با استفاده از داده‌های واقعی ایجاد کرده و نحوه استقرار آن را برای نمایش به کارفرمایان یا مشتریان بالقوه فرا خواهند گرفت. در طول این دوره، تمرین‌ها و تکالیف عملی متعددی برای تثبیت یادگیری و کسب تجربه عملی در اختیار شرکت‌کنندگان قرار می‌گیرد.
در دوره آموزشی Python Data Analyst Bootcamp: Process, Analyze & Visualize با ابزارها و تکنیک‌های مورد نیاز برای تحلیل و مصورسازی داده‌ها با استفاده از پایتون 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.

در این دوره مفصل، Lynn Langit، cloud architect و مربی فنی با تجربه، Generative AI را با Databricks بررسی می کند. کشف کنید که چگونه از prompt engineering در Databricks AI و BI برای پرس و جوی موثر داده ها با AI prompts استفاده کنید. یاد بگیرید که چگونه Vector Search را برای افزایش برنامه های GenAI خود پیاده سازی و تنظیم کنید. الگوی Retrieval-Augmented Generation (RAG) و ادغام آن را برای تقویت پروژه های AI خود با داده هایتان درک کنید. با model tuning، از جمله آموزش مدل پایه و fine-tuning با Hugging Face transformers، تجربه عملی کسب کنید. مهارت های لازم برای استفاده از AI برای پرس و جوهای داده، پیاده سازی تکنیک های جستجوی پیشرفته و fine-tune کردن مدل های AI را به دست آورید. این دوره شما را قادر می سازد تا قدرت Databricks را آزاد کرده و قابلیت های تصمیم گیری مبتنی بر داده خود را ارتقا دهید.
در دوره آموزشی Learn Databricks GenAI با روشهای کاربردی هوش مصنوعی مولد آشنا خواهید شد.

این دوره برای تجهیز شما به مهارت های ضروری تحلیل داده طراحی شده است تا بتوانید به طور مستقل تحلیل را انجام دهید. اگر در حال گذراندن یک دوره آمار هستید، این دوره به عنوان مکمل کلاس شما عمل می کند و به شما کمک می کند تکالیف و وظایف خود را به راحتی انجام دهید. برای کسانی که روی پایان نامه، رساله یا پروژه تحقیقاتی کار می کنند، این دوره شما را در کل فرآیند تحلیلی راهنمایی می کند - از پاک‌سازی داده ها تا گزارش نتایج - و به شما کمک می کند یافته های با کیفیت بالا، قابل اعتماد و معتبر تولید کنید.
در دوره آموزشی Practical Data Analysis with SPSS با تحلیل آماری داده ها با نرم افزار SPSS 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.

این دوره آموزشی برای افرادی طراحی شده است که علاقه مند به یادگیری تحلیل داده هستند. این دوره به شرکت کنندگان کمک می کند تا با ابزارها و تکنیک های مورد نیاز برای تبدیل شدن به یک تحلیلگر داده ماهر آشنا شوند. شرکت کنندگان در این دوره با مفاهیم اساسی تحلیل داده، نحوه جمع آوری، پردازش و تحلیل داده ها، و نحوه استفاده از ابزارهای مختلف تحلیل داده مانند SQL، POWER BI، Databricks و Python آشنا خواهند شد. این دوره برای افرادی که می خواهند وارد حوزه تحلیل داده شوند یا مهارت های خود را در این زمینه بهبود بخشند، مناسب است.
در دوره آموزشی Data Analytics Complete course (incl. React Router & Redux) با ابزار های تحلیل داده آشنا خواهید شد.

NumPy یک کتابخانه پیشرو محاسبات علمی در Python است، در حالی که Pandas برای دستکاری و تجزیه و تحلیل داده ها استفاده می شود. همچنین، یاد بگیرید که از Matplotlib برای تجسم داده ها استفاده کنید. چه بخواهید وارد Data Science شوید، چه در Machine Learning یا Deep Learning شیرجه بزنید، NumPy و Pandas ماژول های برتر Python هستند که باید برای هموار کردن سفر خود آنها را درک کنید.
در دوره آموزشی NumPy, Pandas and Matplotlib A-Z™ برای Machine Learning با کار با کتابخانه های NumPy، Pandas و Matplotlib آشنا می شوید.

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.