الزامات اس کیوال - Azure Data Factory و مهندسی داده

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

یاد بگیرید چگونه راه‌حل‌های ELT را با Azure Data Factory و اس کیوال سرور را ساختاردهی کنید.
پیاده‌سازی راه‌حل‌های ELT مختلف با نگاشت جریان‌های داده، فعالیت‌های کپی و رویه‌های ذخیره‌شده
توسعه مهارت‌هایی برای ساخت و عیب‌یابی پایپ‌لاین‌های Azure Data Factory با اطمینان
بهبود قابلیت اطمینان پایپ‌لاین با تسلط به استفاده از پارامترها برای بهینه‌سازی گردش کارهای داده
یادگیری روش‌های کارآمد برای ذخیره کردن و ساختاردهی داده با سرویس‌های ذخیره‌سازی آژور
درک نقش‌های متمایز Azure Data Factory، ذخیره‌سازی داده، اس کیوال سرور و Data Bricks در ایجاد یک راه‌حل ELT

توضیحات دوره

از Azure Data Factory برای اتوماسیون تسک‌های مهندسی داده استفاده کنید. این دوره برای آشنایی با قابلیت‌های Azure Data Factory عالی است. ما از دیدگاه یک مهندس داده به Data Factory نگاه خواهیم کرد.

از طریق مثال‌هایی با یکدیگر یک فرآیند Extract Transform و Load را برای هضم داده رتبه‌بندی فیلم ایجاد خواهیم کرد.

ما سه روش مختلف برای تبدیل داده را بررسی خواهیم کرد.

اولین روش استفاده از نگاشت جریان‌های Azure Data است که یک روش بدون کدنویسی عالی برای ETL است.

سپس خواهیم دید چگونه می‌توانید همین تبدیل‌ها را با پایتون انجام دهید. به این ترتیب، اگر به پایتون علاقه دارید، می‌دانید چگونه از Azure Data Factory برای کار با داده خود استفاده کنید.

در نهایت، خواهیم دید چگونه می‌توانید پایپ‌لاین‌ها را ایجاد کنید تا از دانش خود در اس کیوال و رویه‌های ذخیره‌شده استفاده کنید.

آنچه شما در مورد این دوره دوست خواهید داشت این است که وقتی یک روش برای تبدیل داده را یاد می‌گیرید، می‌توانید از آن دانش برای یادگیری روش‌های دیگر استفاده کنید. بنابراین، اگر شما متخصص اس کیوال هستید، اما در پایتون ضعیف هستید، می‌توانید روش اس کیوال را قبل از امتحان کردن روش‌های دیگر یاد بگیرید. در نهایت، شما روش‌های جایگزین برای هضم، تبدیل و ذخیره داده را یاد خواهید گرفت و از آن‌ها استفاده خواهید کرد.

این دوره برای چه کسانی مناسب است؟

مهندسان داده‌ مبتدی
تحلیلگران کسب و کار
توسعه‌دهندگان هوش تجاری
معماران ابر
تحلیلگران داده
معماران داده
دانشمندان داده
مدیران پایگاه‌داده
توسعه‌دهندگان نرم‌افزار
مدیران سیستم

الزامات اس کیوال - Azure Data Factory و مهندسی داده

فصل 1: مقدمه

به این دوره خوش آمدید 04:17
چه کسانی باید در دوره Azure Data Factory شرکت کنند؟ 03:49
مهم! چه انتظاری از دوره داشته باشیم؟ 03:54
چگونه این دوره را بگذرانیم؟ 05:56

فصل 2: راه‌اندازی آژور

راه‌اندازی حساب آژور 01:55
راه‌اندازی گروه منابع آژور 02:12
راه‌اندازی حساب ذخیره‌سازی آژور 09:13
ایجاد Microsoft Data Factory 09:31
تست لینک Data Factory به ذخیره‌سازی 15:35
راه‌اندازی پایگاه‌داده آژور 15:58
راه‌اندازی Azure Data Studio 04:42
تست پایگاه‌داده آژور 19:23
راه‌اندازی Microsoft DevOps 09:30

فصل 3: مطالعه موردی - استفاده از نگاشت جریان‌های داده برای پالایش داده

معماری مدالیون و مقدمه لایه برنز 09:55
لایه برنز - راه‌اندازی فولدرهای دریاچه داده برای پشتیبانی از معماری مدالیون 03:53
لایه برنز - آماده‌سازی داده با نگاشت جریان‌های داده 18:50
لایه برنز - اجرای نگاشت جریان داده با پایپ‌لاین ADF 16:03
لایه نقره‌ای - مقدمه 03:24
لایه نقره‌ای - نگاشت جریان ساخت - بخش 1 - انواع داده 18:15
لایه نقره‌ای - نگاشت جریان ساخت - بخش 2 - فیلتر و حذف تکراری‌ها 09:18
لایه نقره‌ای - نگاشت جریان ساخت - بخش 3 - تجزیه آدرس‌ها 17:38
لایه نقره‌ای - نگاشت جریان ساخت - بخش 4 - اصلاحات و بررسی نهایی 10:24
لایه طلایی - مقدمه 17:38
لایه طلایی - ساخت جدول Fact و ابعاد با نگاشت جریان 29:38
لایه طلایی - اتوماسیون ساخت جدول Fact و ابعاد با ADF 13:37
لایه طلایی - ریفکتور کردن پایپ‌لاین ADF و سپس مشاهده نتایج در پاور بی آی 14:48