اهداف کلیدی دوره

شرکت در این دوره آمادگی، اهداف مشخصی را دنبال می‌کند تا اطمینان حاصل شود که شما دانش و مهارت‌های لازم را برای موفقیت کسب می‌کنید:

• درک مفاهیم بنیادین داده و انواع آن در محیط ابری.
• آشنایی با خدمات کلیدی Azure برای ذخیره‌سازی، پردازش و تحلیل داده.
• کسب توانایی در طراحی و پیاده‌سازی راه‌حل‌های پایه‌ای داده با استفاده از Azure.
• آمادگی کامل برای بخش‌های مختلف آزمون DP-900.
• افزایش اعتبار حرفه‌ای و فرصت‌های شغلی در حوزه مدیریت و تحلیل داده.

چه چیزی خواهید آموخت؟

این دوره طیف وسیعی از موضوعات کلیدی در زمینه داده و Azure را پوشش می‌دهد. شما با مفاهیم و ابزارهای زیر آشنا خواهید شد:

1. درک مفاهیم داده‌های رابطه‌ای (Relational Data)

• مدل‌سازی داده‌های رابطه‌ای: یادگیری اصول طراحی پایگاه داده‌های رابطه‌ای، شامل جداول، ستون‌ها، روابط و کلیدها.
• SQL و زبان T-SQL: آشنایی با دستورات پایه SQL برای پرس‌وجو (Query)، درج (Insert)، به‌روزرسانی (Update) و حذف (Delete) داده‌ها.
• Azure SQL Database: شناخت ویژگی‌ها، مزایا و نحوه استفاده از سرویس Azure SQL Database برای میزبانی پایگاه داده‌های رابطه‌ای.
• Azure SQL Managed Instance: درک تفاوت‌ها و کاربردهای Azure SQL Managed Instance در مهاجرت پایگاه داده‌های قدیمی.

2. درک مفاهیم داده‌های غیررابطه‌ای (Non-Relational Data)

• انواع داده‌های غیررابطه‌ای: آشنایی با دسته‌بندی‌های داده‌های غیررابطه‌ای مانند سند (Document)، کلید-مقدار (Key-Value)، ستونی (Columnar) و گراف (Graph).
• Azure Cosmos DB: کشف قابلیت‌های Azure Cosmos DB به عنوان یک پایگاه داده چند مدلی سراسری و توزیع شده.
• مدل‌سازی داده در Cosmos DB: یادگیری نحوه طراحی و ساختاردهی داده‌ها برای استفاده بهینه در Cosmos DB.
• خدمات ذخیره‌سازی Azure: بررسی Azure Blob Storage و Azure File Storage برای ذخیره‌سازی انواع داده‌های غیرساختاریافته و نیمه‌ساختاریافته.

3. درک مفاهیم پردازش داده (Data Processing)

• پردازش دسته‌ای (Batch Processing): شناخت الگوها و ابزارهای پردازش دسته‌ای داده‌ها در Azure.
• پردازش جریانی (Stream Processing): آشنایی با مفاهیم پردازش داده‌های زنده و لحظه‌ای.
• Azure Data Factory: یادگیری نحوه ایجاد، زمان‌بندی و ارکستراسیون جریان‌های کاری ETL (Extract, Transform, Load) و ELT (Extract, Load, Transform).
• Azure Databricks: بررسی Apache Spark و کاربردهای آن در پردازش داده‌های بزرگ، همراه با استفاده از Notebooks در Databricks.

4. درک مفاهیم هوش تجاری (Business Intelligence)

• مبانی انبار داده (Data Warehousing): شناخت معماری و اصول طراحی انبار داده.
• مفاهیم OLAP و OLTP: درک تفاوت بین پردازش آنلاین تحلیلی و پردازش آنلاین تراکنشی.
• Power BI: آشنایی با ابزار Power BI برای بصری‌سازی داده‌ها، ایجاد گزارش‌ها و داشبوردهای تعاملی.
• Azure Analysis Services: بررسی خدمات Azure Analysis Services برای ساخت مدل‌های معنایی (Semantic Models) و تسهیل تحلیل داده.

مزایای کلیدی این دوره

انتخاب این دوره آمادگی، مزایای متعددی را برای شما به ارمغان می‌آورد:

• یادگیری عمیق و ساختارمند: محتوای دوره به گونه‌ای طراحی شده که شما را از مفاهیم پایه تا پیشرفته هدایت کند.
• آمادگی کامل برای آزمون DP-900: پوشش جامع سرفصل‌های آزمون، اطمینان از تسلط شما بر مباحث کلیدی.
• دسترسی آسان و همیشگی: محتوای دوره بر روی فلش مموری 32 گیگابایتی ارائه می‌شود که نیازی به دانلود حجم بالا یا دسترسی مداوم به اینترنت ندارد. این روش، یادگیری را در هر زمان و مکانی برای شما ممکن می‌سازد.
• اعتباربخشی به رزومه: کسب گواهینامه Microsoft Azure Data Fundamentals (DP-900) اعتبار شما را در بازار کار افزایش داده و درهای فرصت‌های شغلی جدیدی را باز می‌کند.
• پشتیبانی از مایکروسافت: محتوای ارائه شده توسط Microsoft Press، تضمین‌کننده کیفیت، دقت و به‌روز بودن اطلاعات است.
• یادگیری عملی: دوره شامل مثال‌های کاربردی و سناریوهای واقعی است که به درک بهتر مفاهیم کمک می‌کند.

پیش‌نیازهای دوره

برای بهره‌مندی حداکثری از این دوره، توصیه می‌شود پیش‌نیازهای زیر را داشته باشید:

• آشنایی اولیه با مفاهیم کامپیوتر و فناوری اطلاعات.
• ترجیحاً، درک اولیه از مفاهیم ابری (Cloud Computing) و پلتفرم Azure.
• توانایی مطالعه و درک مطالب فنی به زبان انگلیسی (محتوای دوره عمدتاً به زبان انگلیسی است).

اگرچه داشتن تجربه قبلی با Azure امتیاز محسوب می‌شود، اما این دوره به گونه‌ای طراحی شده که حتی افراد تازه‌کار نیز بتوانند با مفاهیم اساسی آشنا شوند و مسیر یادگیری خود را آغاز کنند.

ساختار دوره و محتوا

دوره آمادگی Microsoft Azure Data Fundamentals (DP-900) به صورت ماژولار و منطقی سازماندهی شده است تا یادگیری را تسهیل کند:

• ماژول 1: معرفی به داده در Azure
  • چرخه حیات داده (Data Lifecycle)
  • انواع مدل‌های داده (رابطه‌ای، غیررابطه‌ای، داده‌های کلان)
  • انواع حجم کار داده (Workload types)
• ماژول 2: راه‌حل‌های داده رابطه‌ای در Azure
  • Azure SQL Database و Azure SQL Managed Instance
  • مفاهیم پایگاه داده رابطه‌ای، ابزارهای مدیریت
  • پرس‌وجو با T-SQL
• ماژول 3: راه‌حل‌های داده غیررابطه‌ای در Azure
  • Azure Cosmos DB (API ها، مدل‌سازی)
  • Azure Blob Storage، Azure Data Lake Storage
  • Azure Table Storage
• ماژول 4: پردازش و تحلیل داده در Azure
  • Azure Data Factory (کانال‌ها، فعالیت‌ها، زمان‌بندی)
  • Azure Databricks (Spark، Notebooks)
  • مفاهیم هوش تجاری و Power BI
• ماژول 5: امنیت و مدیریت داده در Azure
  • امنیت داده‌ها در Azure
  • نظارت و مدیریت پایگاه داده‌ها
• آزمون‌های شبیه‌سازی شده و تمرین‌ها
  • سوالات تشریحی و چند گزینه‌ای
  • سناریوهای عملی برای ارزیابی دانش