اکسپرس 24
کتاب مهندسی داده با دیتابریکس: از پایه تا پیشرفته

کتاب مهندسی داده با دیتابریکس: از پایه تا پیشرفته

تگ‌ها: بیگ دیتا پردازش داده پلتفرم داده تحلیل داده داده کاوی دریاچه داده دیتابریکس مهندسی داده مهندسی کلان داده یادگیری ماشین

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 دیتابریکس: از پایه تا پیشرفته

موضوع کلی: مهندسی داده و تحلیل داده

موضوع میانی: پلتفرم‌های داده مدرن

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی داده با دیتابریکس
  • 2. مفاهیم کلیدی مهندسی داده
  • 3. معماری دیتابریکس
  • 4. راه‌اندازی محیط دیتابریکس
  • 5. کار با نوت‌بوک‌های دیتابریکس
  • 6. زبان‌های برنامه‌نویسی در دیتابریکس (پایتون، اسکالا)
  • 7. آشنایی با Spark در دیتابریکس
  • 8. مفاهیم RDD و DataFrame
  • 9. عملیات پایه Spark
  • 10. بهینه‌سازی عملکرد Spark
  • 11. کار با Delta Lake
  • 12. مزایای Delta Lake
  • 13. ساختار جداول Delta
  • 14. عملیات ACID در Delta Lake
  • 15. زمان‌سفر (Time Travel) در Delta Lake
  • 16. بهینه‌سازی جداول Delta
  • 17. قوانین دسترسی در Delta Lake
  • 18. امنیت داده در دیتابریکس
  • 19. مدیریت هویت و دسترسی
  • 20. رمزنگاری داده‌ها
  • 21. نظارت و ثبت وقایع
  • 22. کار با کلاسترها در دیتابریکس
  • 23. انواع کلاسترها
  • 24. پیکربندی کلاسترها
  • 25. مدیریت چرخه عمر کلاستر
  • 26. استقرار کلاسترها
  • 27. کار با Job ها در دیتابریکس
  • 28. ایجاد و اجرای Job
  • 29. زمان‌بندی Job ها
  • 30. نظارت بر Job ها
  • 31. مدیریت خطاهای Job
  • 32. کار با Streaming در دیتابریکس
  • 33. مفاهیم پردازش جریانی
  • 34. Spark Structured Streaming
  • 35. کار با منابع داده جریانی
  • 36. پردازش داده‌های جریانی با Delta Lake
  • 37. تضمین تحویل در پردازش جریانی
  • 38. کار با MLflow در دیتابریکس
  • 39. مفاهیم مدیریت چرخه عمر ML
  • 40. ردیابی آزمایش‌ها با MLflow
  • 41. مدیریت مدل‌ها با MLflow
  • 42. استقرار مدل‌ها با MLflow
  • 43. مفاهیم Data Lakehouse
  • 44. مزایای Data Lakehouse
  • 45. معماری Lakehouse
  • 46. کار با داده‌های حجیم (Big Data)
  • 47. استراتژی‌های ذخیره‌سازی داده
  • 48. پردازش داده‌های حجیم
  • 49. مدیریت کیفیت داده
  • 50. ابزارهای کیفیت داده
  • 51. پیاده‌سازی پروفایلینگ داده
  • 52. پاکسازی داده‌ها
  • 53. اعتبارسنجی داده‌ها
  • 54. استانداردسازی داده‌ها
  • 55. مفاهیم ETL و ELT
  • 56. تفاوت ETL و ELT
  • 57. طراحی پایپ‌لاین‌های ETL
  • 58. طراحی پایپ‌لاین‌های ELT
  • 59. ابزارهای ETL/ELT مدرن
  • 60. کار با Git و دیتابریکس
  • 61. یکپارچه‌سازی Git با نوت‌بوک‌ها
  • 62. کنترل نسخه کد
  • 63. همکاری تیمی با Git
  • 64. مدیریت انشعاب‌ها (Branches)
  • 65. ادغام کد (Merging)
  • 66. مفاهیم Data Governance
  • 67. اهمیت Data Governance
  • 68. اصول Data Governance
  • 69. پیاده‌سازی Data Governance
  • 70. نقش دیتابریکس در Data Governance
  • 71. امنیت اطلاعات در سازمان
  • 72. قوانین حفاظت از داده‌ها
  • 73. مدیریت ریسک داده
  • 74. مفاهیم Data Catalog
  • 75. اهمیت Data Catalog
  • 76. پیاده‌سازی Data Catalog
  • 77. کار با Unity Catalog
  • 78. قابلیت‌های Unity Catalog
  • 79. مدیریت متادیتای داده
  • 80. جستجو و کشف داده
  • 81. خودکارسازی فرآیندهای داده
  • 82. استفاده از API های دیتابریکس
  • 83. اتوماسیون استقرار
  • 84. اتوماسیون مدیریت کلاستر
  • 85. اتوماسیون اجرای Job
  • 86. هماهنگ‌سازی با ابزارهای CI/CD
  • 87. مفاهیم DevOps برای داده
  • 88. اصول DevOps
  • 89. پیاده‌سازی DevOps در مهندسی داده
  • 90. ابزارهای DevOps
  • 91. فرهنگ DevOps
  • 92. مفاهیم MLOps
  • 93. چرخه عمر مدل‌های یادگیری ماشین
  • 94. پیاده‌سازی MLOps
  • 95. ابزارهای MLOps
  • 96. هماهنگ‌سازی MLOps و DevOps
  • 97. بهینه‌سازی هزینه در دیتابریکس
  • 98. مدیریت مصرف منابع
  • 99. انتخاب نوع کلاستر مناسب
  • 100. تنظیمات کلاستر

📚 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.