اکسپرس 24
کتاب آشنایی با Azure Data Factory و مهندسی داده در Azure و Fabric

کتاب آشنایی با Azure Data Factory و مهندسی داده در Azure و Fabric

تگ‌ها: Azure Data Factory Fabric داده Fabric مهندسی داده پردازش داده ابری پلتفرم داده Azure ساختارهای داده Azure مدیریت داده مهندسی داده در ابر

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 آشنایی با Azure Data Factory و مهندسی داده در Azure و Fabric

موضوع کلی: مهندسی داده در ابر

موضوع میانی: مدیریت و پردازش داده در پلتفرم‌های ابری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی داده در ابر
  • 2. مفاهیم کلیدی مهندسی داده
  • 3. معماری ابر برای داده‌ها
  • 4. مبانی Azure Data Factory
  • 5. ساختار و اجزای Azure Data Factory
  • 6. ایجاد پایپ‌لاین‌های داده
  • 7. فعالیت‌ها در Azure Data Factory
  • 8. فعالیت‌های کپی داده
  • 9. فعالیت‌های تبدیل داده
  • 10. فعالیت‌های اجرای داده
  • 11. فعالیت‌های کنترلی
  • 12. تنظیمات اجرای پایپ‌لاین
  • 13. مدیریت داده‌ها در Azure Blob Storage
  • 14. ذخیره‌سازی داده‌های ساختاریافته
  • 15. ذخیره‌سازی داده‌های نیمه‌ساختاریافته
  • 16. ذخیره‌سازی داده‌های بدون ساختار
  • 17. مبانی Azure SQL Database
  • 18. طراحی اسکیمای پایگاه داده
  • 19. مدیریت جداول و داده‌ها
  • 20. شاخص‌گذاری و بهینه‌سازی کوئری‌ها
  • 21. مبانی Azure Synapse Analytics
  • 22. انباره داده در Azure
  • 23. پردازش موازی داده‌ها
  • 24. مبانی Azure Databricks
  • 25. موتور Spark در Databricks
  • 26. تحلیل داده با Databricks
  • 27. مبانی Azure Stream Analytics
  • 28. پردازش داده‌های جریانی
  • 29. تحلیل داده‌های بلادرنگ
  • 30. مبانی Azure Event Hubs
  • 31. انتقال داده‌های جریانی
  • 32. نظارت بر داده‌های جریانی
  • 33. مبانی Azure Functions
  • 34. اجرای کد بدون سرور
  • 35. اتصال Functions به سرویس‌های داده
  • 36. انواع اتصال‌دهنده‌ها در ADF
  • 37. اتصال به منابع داده داخلی
  • 38. اتصال به منابع داده ابری
  • 39. مدیریت اعتبارنامه‌ها (Credentials)
  • 40. استفاده از Azure Key Vault
  • 41. امنیت در Azure Data Factory
  • 42. کنترل دسترسی مبتنی بر نقش (RBAC)
  • 43. مانیتورینگ و گزارش‌دهی در ADF
  • 44. پیگیری اجرای پایپ‌لاین‌ها
  • 45. تشخیص و رفع خطاها
  • 46. بهینه‌سازی عملکرد پایپ‌لاین‌ها
  • 47. کاهش هزینه‌ها در ADF
  • 48. استفاده از الگوهای طراحی داده
  • 49. مهندسی داده تکرارشونده
  • 50. مدیریت چرخه عمر داده
  • 51. حاکمیت داده در ابر
  • 52. کیفیت داده در مهندسی داده
  • 53. اعتبارسنجی داده‌ها
  • 54. پاکسازی داده‌ها
  • 55. تبدیلات داده در ADF
  • 56. استفاده از Mapping Data Flows
  • 57. تبدیلات مبتنی بر کد (Python, SQL)
  • 58. پردازش داده‌های حجیم (Big Data)
  • 59. معماری‌های داده مدرن
  • 60. انبار داده نسل جدید
  • 61. دریاچه داده (Data Lake)
  • 62. دریاچه خانه (Data Lakehouse)
  • 63. مبانی Microsoft Fabric
  • 64. پلتفرم یکپارچه داده
  • 65. مبانی Power BI
  • 66. تجسم داده‌ها
  • 67. داشبوردهای تعاملی
  • 68. اتصال Power BI به ADF
  • 69. اتصال Power BI به Fabric
  • 70. یکپارچگی Fabric و ADF
  • 71. مدیریت واژه‌نامه داده (Data Glossary)
  • 72. مدیریت متادیتا
  • 73. امنیت داده در Fabric
  • 74. انتقال داده‌های آنالیتیکال
  • 75. پردازش داده‌های تراکنشی
  • 76. مدل‌سازی داده در Fabric
  • 77. مبانی Dataverse
  • 78. مدیریت داده‌های کسب‌وکار
  • 79. اتصال Dataverse به ADF
  • 80. مدیریت جریان‌های داده (Dataflows)
  • 81. جریان‌های داده در Power BI
  • 82. جریان‌های داده در Fabric
  • 83. تفاوت Dataflows و Data Factory
  • 84. مبانی Azure Purview
  • 85. کشف و طبقه‌بندی داده‌ها
  • 86. نقشه‌برداری داده‌ها
  • 87. مدیریت انطباق داده‌ها
  • 88. حریم خصوصی داده‌ها
  • 89. مبانی Azure Data Share
  • 90. به اشتراک‌گذاری امن داده‌ها
  • 91. مدیریت دسترسی در Data Share
  • 92. اتوماسیون در مهندسی داده
  • 93. اسکریپت‌نویسی برای ADF
  • 94. استفاده از CI/CD برای ADF
  • 95. تست در مهندسی داده
  • 96. تست پایپ‌لاین‌های ADF
  • 97. تست تبدیل‌های داده
  • 98. ملاحظات عملیاتی
  • 99. نظارت بر زیرساخت داده
  • 100. مدیریت نسخه‌بندی 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.