اکسپرس 24
کتاب مهندسی داده با Apache Spark در Azure Synapse Analytics

کتاب مهندسی داده با Apache Spark در Azure Synapse Analytics

تگ‌ها: Azure Synapse Spark در Azure آپاچی اسپارک بیگ دیتا پردازش داده کلان تحلیل داده دیتا انجینیرینگ مهندسی داده مهندسی کلان 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 Apache Spark در Azure Synapse Analytics

موضوع کلی: مهندسی داده

موضوع میانی: پردازش داده‌های کلان با استفاده از ابزارهای متن‌باز

📋 سرفصل‌های دوره

  • 1. مبانی مهندسی داده در Azure Synapse Analytics
  • 2. مقدمه‌ای بر پردازش داده‌های کلان
  • 3. معماری Azure Synapse Analytics
  • 4. آشنایی با Apache Spark
  • 5. مفهوم Pool در Azure Synapse Spark
  • 6. ایجاد و پیکربندی Spark Pool
  • 7. اتصال به داده‌ها در Azure Data Lake Storage
  • 8. خواندن و نوشتن داده‌ها با Spark
  • 9. فرمت‌های داده‌ای رایج (Parquet, Delta Lake)
  • 10. مقدمه‌ای بر زبان PySpark
  • 11. عملیات پایه PySpark (DataFrame API)
  • 12. دستورات select, filter, groupBy
  • 13. توابع آماری و تجمیعی در PySpark
  • 14. کار با انواع داده در PySpark
  • 15. مدیریت Schema در PySpark
  • 16. پیوستن (Join) داده‌ها در PySpark
  • 17. عملیات Union و Intersect
  • 18. استفاده از Window Functions
  • 19. مقدمه‌ای بر Spark SQL
  • 20. نوشتن کوئری‌های SQL در Spark
  • 21. ترکیب PySpark و Spark SQL
  • 22. بهینه‌سازی عملکرد PySpark
  • 23. نکات و ترفندهای نوشتن کد PySpark
  • 24. مدیریت منابع در Spark Pool
  • 25. نظارت بر اجرای Jobها در Spark
  • 26. عیب‌یابی Jobهای Spark
  • 27. مقدمه‌ای بر Delta Lake
  • 28. ویژگی‌های Delta Lake (ACID Transactions)
  • 29. زمان‌سفر (Time Travel) در Delta Lake
  • 30. بهینه‌سازی Delta Lake (Optimize, Vacuum)
  • 31. استفاده از Delta Lake برای Data Warehousing
  • 32. مقدمه‌ای بر Data Engineering Pipelines
  • 33. ساخت Pipelineهای داده در Azure Synapse
  • 34. زمان‌بندی اجرای Pipelineها
  • 35. پارامترسازی در Pipelineها
  • 36. انتقال داده با Azure Data Factory (در Synapse)
  • 37. اتصال به منابع داده خارجی
  • 38. استفاده از Copy Activity
  • 39. استفاده از Lookup Activity
  • 40. استفاده از ForEach Activity
  • 41. استفاده از If Condition Activity
  • 42. مدیریت خطا در Pipelineها
  • 43. لاگ‌برداری و مانیتورینگ Pipelineها
  • 44. مقدمه‌ای بر Data Governance
  • 45. اصول Data Governance در Azure
  • 46. امنیت داده در Azure Synapse
  • 47. کنترل دسترسی بر روی Spark Pool
  • 48. کنترل دسترسی بر روی داده‌ها
  • 49. رمزنگاری داده‌ها
  • 50. مفاهیم Data Catalog
  • 51. استفاده از Azure Purview (با چارچوب رسمی)
  • 52. مقدمه‌ای بر Data Modeling
  • 53. انواع مدل‌های داده (Dimensional Modeling)
  • 54. طراحی استار اسکما (Star Schema)
  • 55. طراحی اسنیک اسکما (Snowflake Schema)
  • 56. مدل‌سازی داده برای تحلیل
  • 57. مدل‌سازی داده برای گزارش‌گیری
  • 58. استفاده از ابزارهای مدل‌سازی (با رویکرد رسمی)
  • 59. مقدمه‌ای بر Big Data Architectures
  • 60. معماری Lambda
  • 61. معماری Kappa
  • 62. معماری Lakehouse
  • 63. مقایسه معماری‌های کلان داده
  • 64. نقش Spark در معماری‌های کلان داده
  • 65. امنیت در معماری‌های کلان داده
  • 66. مقدمه‌ای بر MLOps (با رویکرد مهندسی داده)
  • 67. نقش مهندس داده در MLOps
  • 68. آماده‌سازی داده برای مدل‌های یادگیری ماشین
  • 69. استفاده از Spark برای Feature Engineering
  • 70. استقرار مدل‌های یادگیری ماشین (با چارچوب رسمی)
  • 71. پایش مدل‌های یادگیری ماشین (با چارچوب رسمی)
  • 72. مقدمه‌ای بر DataOps
  • 73. اصول DataOps
  • 74. پیاده‌سازی DataOps در Azure Synapse
  • 75. اتوماسیون در DataOps
  • 76. مقدمه‌ای بر Azure Databricks (به عنوان مقایسه)
  • 77. مقایسه Spark در Synapse و Databricks
  • 78. ملاحظات هزینه در Azure Synapse Spark
  • 79. نکات پایانی برای مهندسان داده
  • 80. تمرین عملی: تحلیل داده‌های فروش
  • 81. تمرین عملی: ساخت Pipeline پردازش لاگ
  • 82. تمرین عملی: مدل‌سازی داده برای داشبورد
  • 83. تمرین عملی: بهینه‌سازی یک Job کند Spark
  • 84. تمرین عملی: پیاده‌سازی Delta Lake برای داده‌های جریان
  • 85. تمرین عملی: تنظیمات امنیتی پیشرفته
  • 86. تمرین عملی: مانیتورینگ و عیب‌یابی پیشرفته
  • 87. مروری بر ابزارهای متن‌باز مرتبط
  • 88. جمع‌بندی مباحث پیشرفته
  • 89. آینده مهندسی داده با Spark
  • 90. منابع تکمیلی و مطالعات بیشتر
  • 91. مبانی ذخیره‌سازی داده در Azure
  • 92. مبانی شبکه‌سازی در Azure برای Synapse
  • 93. مدیریت Cluster در Spark
  • 94. استفاده از Notebooks در Synapse
  • 95. نوشتن کد با زبان Scala در Spark (مقدماتی)
  • 96. مقدمه‌ای بر Spark Streaming (با رویکرد Batch)
  • 97. مدیریت Metadata در Synapse
  • 98. استفاده از Azure Key Vault برای امنیت

📚 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.