اکسپرس 24
کتاب تسلط بر مهندسی داده: از صفر تا صدِ خطوط داده‌ای با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

کتاب تسلط بر مهندسی داده: از صفر تا صدِ خطوط داده‌ای با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تسلط بر مهندسی داده: از صفر تا صدِ خطوط داده‌ای

موضوع کلی: مهندسی داده

موضوع میانی: مفاهیم و ابزارهای مهندسی داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی داده و نقش آن در سازمان
  • 2. چرخه حیات داده و معماری کلی سیستم‌های داده
  • 3. انواع داده: ساخت‌یافته، نیمه‌ساخت‌یافته، بدون ساختار
  • 4. منابع داده: پایگاه‌های داده رابطه‌ای، NoSQL، فایل‌ها، APIها
  • 5. مفاهیم کلیدی پایگاه‌های داده رابطه‌ای
  • 6. SQL: دستورات پایه، پرس‌وجو، JOINها، توابع
  • 7. بهینه‌سازی کوئری‌های SQL
  • 8. مقدمه‌ای بر پایگاه‌های داده NoSQL: MongoDB، Cassandra، Redis
  • 9. مقایسه و انتخاب پایگاه داده مناسب برای سناریوهای مختلف
  • 10. مفاهیم Data Warehousing و Data Mart
  • 11. طراحی شمای Data Warehouse: Star Schema و Snowflake Schema
  • 12. ETL (Extract, Transform, Load): مفاهیم و ابزارها
  • 13. ابزارهای ETL: Apache NiFi، Talend، Informatica
  • 14. مفاهیم Data Lake و تفاوت آن با Data Warehouse
  • 15. پردازش دسته‌ای (Batch Processing) با Apache Hadoop
  • 16. Hadoop Ecosystem: HDFS، MapReduce، YARN
  • 17. مقدمه‌ای بر Apache Spark: RDDها، DataFrames، Datasets
  • 18. Spark SQL: کار با داده‌های ساخت‌یافته در Spark
  • 19. پردازش جریانی (Stream Processing) با Apache Kafka
  • 20. Kafka Ecosystem: Kafka Connect، Kafka Streams
  • 21. مقدمه‌ای بر Apache Flink
  • 22. Data Governance و Data Quality: مفاهیم و ابزارها
  • 23. Data Modeling: Entity-Relationship Diagrams (ERD)
  • 24. Data Security و Data Privacy
  • 25. Cloud Data Warehousing: Amazon Redshift، Google BigQuery، Snowflake
  • 26. Data Integration در Cloud
  • 27. مفاهیم Data Orchestration: Apache Airflow
  • 28. مونیتورینگ و Logging در سیستم‌های داده
  • 29. DevOps برای مهندسی داده
  • 30. آشنایی با Docker و Kubernetes
  • 31. مفاهیم Data Catalog و Metadata Management
  • 32. مقدمه‌ای بر Data Science و Machine Learning برای مهندسان داده
  • 33. کار با APIهای مختلف برای دریافت داده
  • 34. پیاده‌سازی خطوط داده پایدار و مقیاس‌پذیر
  • 35. بهینه‌سازی عملکرد خطوط داده
  • 36. تست و دیباگ خطوط داده
  • 37. مستندسازی خطوط داده
تگ‌ها: Apache Kafka Apache Spark Big Data Cloud Data Data Engineering Data Governance Data Integration Data Lake Data Quality Data Warehouse ETL Hadoop NoSQL SQL مهندسی داده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.