دوره جامع پیاده‌سازی خط‌لوله‌های داده و مدل‌سازی تحلیلی با ابزار dbt همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع پیاده‌سازی خط‌لوله‌های داده و مدل‌سازی تحلیلی با ابزار dbt

موضوع کلی: علوم داده و تحلیل هوشمند کسب‌وکار

موضوع میانی: مهندسی داده و مدیریت زیرساخت‌های تحلیلی

📋 سرفصل‌های دوره

• 1. مبانی مهندسی داده و جایگاه تحلیل‌گر در سازمان‌های داده‌محور
• 2. آشنایی با مفاهیم انبار داده و خط‌لوله‌های مدرن داده
• 3. معرفی ابزار dbt و نقش آن در تحول مهندسی تحلیل
• 4. نصب و راه‌اندازی محیط توسعه برای پروژه‌های dbt
• 5. ساختار پروژه در dbt و مدیریت فایل‌های پیکربندی
• 6. اتصال dbt به پایگاه‌داده‌های تحلیلی و مدیریت نشست‌ها
• 7. مبانی مدل‌سازی داده و اهمیت تبدیل داده در انبار داده
• 8. نوشتن اولین مدل داده با استفاده از زبان SQL
• 9. استفاده از دستورات Select و تفاوت آن با مدل‌های dbt
• 10. کاربرد دستور Ref برای ایجاد وابستگی بین مدل‌ها
• 11. مدیریت منابع و استفاده از دستور Source در خط‌لوله‌های داده
• 12. تکنیک‌های مدل‌سازی داده‌های ابعادی در انبار داده
• 13. تفاوت مدل‌های Materialized View، Table و Incremental
• 14. بهینه‌سازی عملکرد پرس‌وجوها در مدل‌های افزایشی
• 15. استفاده از Jinja در dbt برای تولید کدهای SQL پویا
• 16. ساخت ماکروهای اختصاصی جهت کاهش تکرار در مدل‌سازی
• 17. مدیریت متغیرها و پیکربندی‌های پروژه در فایل dbt_project.yml
• 18. مستندسازی خودکار داده‌ها و تولید مستندات پروژه
• 19. بررسی کیفیت داده و اجرای تست‌های اعتبارسنجی در dbt
• 20. تست‌های پیشرفته و سفارشی برای اطمینان از صحت داده‌ها
• 21. مدیریت اسنپ‌شات‌ها برای ردیابی تغییرات داده‌ها در طول زمان
• 22. پیاده‌سازی مدل‌های داده‌ای چندلایه از Staging تا Mart
• 23. استفاده از بسته‌های آماده dbt برای افزایش بهره‌وری
• 24. کنترل نسخه و همکاری تیمی با استفاده از Git در پروژه‌های داده
• 25. مبانی یکپارچه‌سازی مداوم (CI) در خط‌لوله‌های داده
• 26. استقرار خودکار مدل‌ها با استفاده از ابزارهای ارکستراسیون
• 27. مدیریت محیط‌های توسعه، تست و عملیاتی در dbt
• 28. مانیتورینگ و مشاهده وضعیت اجرای مدل‌ها در انبار داده
• 29. بهینه‌سازی هزینه‌های پردازشی در انبارهای داده ابری
• 30. مدیریت سطوح دسترسی و امنیت داده‌ها در مدل‌سازی
• 31. پیاده‌سازی منطق‌های تجاری پیچیده در لایه مدل‌سازی
• 32. تحلیل عملکرد مدل‌های داده و شناسایی گلوگاه‌های پردازشی
• 33. اصول طراحی داشبوردهای تحلیلی بر اساس مدل‌های dbt
• 34. به‌کارگیری مفاهیم مدیریت داده‌های اصلی (MDM) در dbt
• 35. استراتژی‌های به‌روزرسانی داده‌ها در مقیاس بزرگ
• 36. بررسی خطاهای رایج در خط‌لوله‌های داده و روش‌های عیب‌یابی
• 37. تلفیق داده‌های ناهمگون و پاک‌سازی در لایه Staging
• 38. مدیریت چرخه حیات مدل‌های داده در سازمان
• 39. اصول اخلاق حرفه‌ای در مدیریت داده و حفظ حریم خصوصی
• 40. ارائه گزارش‌های تحلیلی نهایی و مصورسازی مبتنی بر مدل‌های dbt