اکسپرس 24
کتاب مهندسی داده با Google BigQuery در Google Cloud

کتاب مهندسی داده با Google BigQuery در Google Cloud

تگ‌ها: ETL Google BigQuery Google Cloud انبار داده پردازش داده پلتفرم ابری تحلیل داده داده کاوی علم داده مهندسی داده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی داده با Google BigQuery در Google Cloud

موضوع کلی: مهندسی داده و تحلیل داده

موضوع میانی: مهندسی داده با استفاده از پلتفرم‌های ابری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی داده
  • 2. اصول مهندسی داده
  • 3. نقش مهندس داده
  • 4. مفاهیم پایگاه داده رابطه‌ای
  • 5. مفاهیم پایگاه داده NoSQL
  • 6. مقدمه‌ای بر Google Cloud
  • 7. معرفی Google BigQuery
  • 8. معماری Google BigQuery
  • 9. ذخیره‌سازی داده در BigQuery
  • 10. انواع داده در BigQuery
  • 11. بارگذاری داده در BigQuery
  • 12. انتقال داده به BigQuery
  • 13. استفاده از Cloud Storage
  • 14. انتقال داده از Cloud Storage
  • 15. استفاده از Data Transfer Service
  • 16. انتقال داده از پایگاه‌های داده رابطه‌ای
  • 17. استفاده از Cloud Data Fusion
  • 18. طراحی اسکیمای پایگاه داده
  • 19. نرمال‌سازی و عدم نرمال‌سازی
  • 20. بهینه‌سازی طراحی اسکیمای BigQuery
  • 21. مقدمه‌ای بر تحلیل داده
  • 22. مراحل تحلیل داده
  • 23. پاکسازی داده
  • 24. تبدیل داده
  • 25. تجمیع داده
  • 26. مصورسازی داده
  • 27. مقدمه‌ای بر SQL
  • 28. دستورات اساسی SQL
  • 29. توابع پنجره‌ای در SQL
  • 30. بهینه‌سازی کوئری‌های SQL
  • 31. مقدمه‌ای بر ابزارهای ETL/ELT
  • 32. استفاده از Dataflow
  • 33. پردازش دسته‌ای با Dataflow
  • 34. پردازش جریانی با Dataflow
  • 35. مقدمه‌ای بر هوش تجاری
  • 36. ابزارهای هوش تجاری
  • 37. مصورسازی داده با Looker Studio
  • 38. ایجاد داشبوردهای مدیریتی
  • 39. امنیت داده در Google Cloud
  • 40. مدیریت دسترسی در BigQuery
  • 41. رمزنگاری داده در BigQuery
  • 42. حریم خصوصی داده
  • 43. ملاحظات اخلاقی در مهندسی داده
  • 44. مقدمه‌ای بر داده‌های بزرگ (Big Data)
  • 45. چالش‌های داده‌های بزرگ
  • 46. معماری‌های داده‌های بزرگ
  • 47. انبار داده (Data Warehouse)
  • 48. دریاچه داده (Data Lake)
  • 49. مقایسه انبار داده و دریاچه داده
  • 50. مقدمه‌ای بر مهندسی داده مدرن
  • 51. پلتفرم‌های مهندسی داده
  • 52. معماری‌های داده مدرن
  • 53. مهندسی داده مبتنی بر ابر
  • 54. مزایای مهندسی داده مبتنی بر ابر
  • 55. معرفی Google Cloud Platform (GCP)
  • 56. سرویس‌های کلیدی GCP برای مهندسی داده
  • 57. Google Compute Engine
  • 58. Google Kubernetes Engine
  • 59. Google Cloud Storage
  • 60. Google BigQuery
  • 61. Google Cloud Data Fusion
  • 62. Google Cloud Dataflow
  • 63. Google Cloud Dataproc
  • 64. Google Cloud Pub/Sub
  • 65. Google Cloud Composer
  • 66. مقدمه‌ای بر مدل‌سازی داده
  • 67. مدل‌سازی ابعادی (Dimensional Modeling)
  • 68. مدل‌سازی ستاره‌ای (Star Schema)
  • 69. مدل‌سازی برف‌ریزه‌ای (Snowflake Schema)
  • 70. مراحل پیاده‌سازی مدل ابعادی
  • 71. چالش‌های مدل‌سازی داده
  • 72. مقدمه‌ای بر داده‌های جریانی (Streaming Data)
  • 73. معماری‌های پردازش داده جریانی
  • 74. استفاده از Pub/Sub برای داده‌های جریانی
  • 75. پردازش داده جریانی با Dataflow
  • 76. کاربرد داده‌های جریانی در کسب‌وکار
  • 77. مقدمه‌ای بر داده‌های مکانی (Geospatial Data)
  • 78. ذخیره‌سازی داده‌های مکانی در BigQuery
  • 79. تحلیل داده‌های مکانی با BigQuery
  • 80. مصورسازی داده‌های مکانی
  • 81. کاربرد داده‌های مکانی در تحلیل
  • 82. مقدمه‌ای بر داده‌های متنی (Text Data)
  • 83. پردازش زبان طبیعی (NLP)
  • 84. تحلیل احساسات (Sentiment Analysis)
  • 85. استفاده از NLP در BigQuery
  • 86. کاربرد داده‌های متنی در تحلیل
  • 87. مقدمه‌ای بر یادگیری ماشین (Machine Learning)
  • 88. نقش مهندسی داده در یادگیری ماشین
  • 89. آماده‌سازی داده برای یادگیری ماشین
  • 90. ادغام BigQuery با Vertex AI
  • 91. مقدمه‌ای بر Data Governance
  • 92. اصول Data Governance
  • 93. پیاده‌سازی Data Governance در GCP
  • 94. مدیریت کیفیت داده
  • 95. مدیریت متادیتا (Metadata Management)
  • 96. مقدمه‌ای بر امنیت داده در BigQuery
  • 97. کنترل دسترسی مبتنی بر نقش (RBAC)
  • 98. رمزنگاری در حالت استراحت و در حال انتقال
  • 99. ردیابی دسترسی به داده‌ها
  • 100. ملاحظات حقوقی و انطباق داده‌ها

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.