اکسپرس 24
کتاب مهندسی داده با استفاده از خدمات مایکروسافت Azure

کتاب مهندسی داده با استفاده از خدمات مایکروسافت Azure

تگ‌ها: Azure Data Engineering بیگ دیتا آژور پلتفرم داده خدمات داده آژور داده ابری مایکروسافت آژور مدیریت داده آژور مهندسی داده هوش تجاری آژور

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 استفاده از خدمات مایکروسافت Azure

موضوع کلی: مهندسی داده

موضوع میانی: مهندسی داده در پلتفرم‌های ابری

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر مهندسی داده
  • 2. مفاهیم کلیدی مهندسی داده
  • 3. چرخه حیات داده
  • 4. انواع داده ها و فرمت ها
  • 5. مخازن داده و انواع آن
  • 6. مقدمه ای بر خدمات Azure
  • 7. معماری داده در Azure
  • 8. ذخیره سازی داده در Azure Blob Storage
  • 9. ذخیره سازی داده در Azure Data Lake Storage Gen2
  • 10. مدیریت داده در Azure
  • 11. انتقال داده با Azure Data Factory
  • 12. مفاهیم ETL و ELT
  • 13. طراحی پایپ لاین داده با Azure Data Factory
  • 14. اتصال به منابع داده در Azure Data Factory
  • 15. تبدیل داده با Azure Data Factory
  • 16. زمان بندی و نظارت بر پایپ لاین ها
  • 17. امنیت داده در Azure
  • 18. مدیریت هویت و دسترسی در Azure
  • 19. رمزگذاری داده ها در Azure
  • 20. حاکمیت داده در Azure
  • 21. مقدمه ای بر پردازش داده های بزرگ
  • 22. Apache Spark در Azure
  • 23. Azure Databricks چیست؟
  • 24. ایجاد کلاستر Databricks
  • 25. کار با Notebook ها در Databricks
  • 26. Spark SQL در Databricks
  • 27. Spark Streaming در Databricks
  • 28. یادگیری ماشینی با Azure Databricks
  • 29. انتقال داده های بزرگ با Azure Data Factory
  • 30. پردازش داده های جریانی در Azure
  • 31. Azure Stream Analytics
  • 32. مقدمه ای بر Azure Event Hubs
  • 33. ارسال و دریافت رویدادها در Event Hubs
  • 34. پردازش داده های جریانی با Event Hubs
  • 35. Azure IoT Hub
  • 36. مدیریت دستگاه ها در IoT Hub
  • 37. ارسال داده از دستگاه ها به IoT Hub
  • 38. ارسال دستورات از IoT Hub به دستگاه ها
  • 39. تحلیل داده های جریانی با Azure Stream Analytics
  • 40. داشبوردها و بصری سازی داده ها
  • 41. Power BI و Azure
  • 42. اتصال Power BI به منابع داده Azure
  • 43. طراحی گزارش ها در Power BI
  • 44. شاخص های کلیدی عملکرد (KPI) در Power BI
  • 45. مدیریت مجموعه داده ها در Power BI
  • 46. امنیت در Power BI
  • 47. مقدمه ای بر انبار داده
  • 48. Azure Synapse Analytics
  • 49. معماری Azure Synapse Analytics
  • 50. Synapse SQL Pools
  • 51. Synapse Spark Pools
  • 52. Synapse Pipelines
  • 53. یکپارچه سازی داده ها در Synapse Analytics
  • 54. امنیت در Azure Synapse Analytics
  • 55. مقدمه ای بر پایگاه داده های NoSQL
  • 56. Azure Cosmos DB
  • 57. مدل های داده در Cosmos DB
  • 58. مدیریت منابع در Cosmos DB
  • 59. کوئری زدن در Cosmos DB
  • 60. امنیت در Azure Cosmos DB
  • 61. مقدمه ای بر مهندسی داده های مدرن
  • 62. داده های باز و شفافیت
  • 63. استانداردهای داده در Azure
  • 64. مدیریت چرخه عمر داده
  • 65. بهینه سازی هزینه در Azure برای مهندسی داده
  • 66. نظارت و ثبت وقایع در Azure
  • 67. پیاده سازی CI/CD برای پایپ لاین های داده
  • 68. استفاده از Git برای مدیریت کد
  • 69. استقرار خودکار پایپ لاین های داده
  • 70. تست خودکار در مهندسی داده
  • 71. مدیریت پیکربندی در Azure
  • 72. مقدمه ای بر الگوی Data Mesh
  • 73. مفاهیم Data Mesh
  • 74. پیاده سازی Data Mesh در Azure
  • 75. امنیت در Data Mesh
  • 76. حاکمیت داده در Data Mesh
  • 77. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
  • 78. نقش مهندسی داده در AI/ML
  • 79. آماده سازی داده برای مدل های ML
  • 80. استفاده از Azure Machine Learning
  • 81. مدیریت مدل ها در Azure ML
  • 82. استقرار مدل ها در Azure ML
  • 83. مقدمه ای بر داده های مکانی-زمانی
  • 84. پردازش داده های مکانی در Azure
  • 85. مدیریت داده های مکانی در Azure
  • 86. تحلیل داده های مکانی
  • 87. مقدمه ای بر اتوماسیون در مهندسی داده
  • 88. اسکریپت نویسی در Azure
  • 89. استفاده از Azure CLI
  • 90. استفاده از Azure PowerShell
  • 91. قالب بندی زیرساخت با Terraform
  • 92. مقدمه ای بر بهترین شیوه ها در مهندسی داده
  • 93. اصول طراحی پایپ لاین داده
  • 94. اولویت بندی و مدیریت وظایف
  • 95. مستندسازی در مهندسی داده
  • 96. یادگیری مستمر و به روز رسانی مهارت ها
  • 97. جمع بندی و آینده مهندسی داده در Azure

📚 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.