آموزش Snowflake - راهنمای عملی و کامل پروژه داده End To End
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- چگونه یک پروژه مهندسی داده مبتنی بر Snowflake را معماری کنیم؟
- چگونه جریان end to end را با پروژه مهندسی داده مبتنی بر Snowflake طراحی کنیم؟
- چگونه داده API را در Snowflake بارگذاری و هضم کنیم؟
- چگونه یک پروژه مهندسی داده end to end را با Snowflake توسعه دهیم؟
- چگونه هضم داده API در Snowflake را خودکار کنیم؟
- چگونه از استیجها، تسک و جداول پویا برای ایجاد یک DAG در Snowflake استفاده کنیم؟
پیشنیازهای دوره
- آشنایی با انبار داده ابری Snowflake
- درک اولیه از کوئریهای اس کیوال با Snowflake
- درک اولیه از برنامهنویسی پایتون
- درک اولیه از سیستم کنترل نسخه گیتهاب
توضیحات دوره
آیا میخواهید یاد بگیرید چگونه یک پروژه داده End To End را در Snowflake معماری، طراحی و پیادهسازی کنید؟
آیا میخواهید مهارتهای خود را در Snowflake ارتقا دهید و یاد بگیرید چگونه یک پروژه داده کامل End To End را با پلتفرم انبار داده ابری Snowflake بسازید؟
در این دوره، شما همهچیز، از تحلیل فایل منبع، ارزیابی مسائل مختلف معماری برای یکپارچهسازی داده، معماری لایهای برای ذخیره مجموعه دادههای مختلف، طراحی لایههای استیج، خام و گردآوری شده و در نهایت اتوماسیون پایپلاین داده و پیادهسازی جریان دادهی کاملاً خودکار از منبع تا مصورسازی واقعی را یاد خواهید گرفت
چرا باید این دوره را بگذرانید؟
- همهچیز را درباره پروژه مهندسی داده end to end درک کنید. - یک راهنمای گامبهگام
- چالشهای مختلف یکپارچهسازی داده و اینکه چگونه میتوانید یک راهحل برای هضم داده در Snowflake بسازید.
- چگونه یک معماری لایهای برای ذخیره و پردازش داده طراحی کنیم؟
- چگونه یکپارچهسازی داده را برای هضم داده لایو خودکار کنیم؟
- چگونه یک DAG کاملاً عملیاتی را خودکار و ایجاد کنیم؟
- چگونه از جداول پویای Snowflake برای ایجاد پایپلاین داده کاملاً عملیاتی استفاده کنیم؟
- چگونه یک مصورسازی با Streamlit در Snowflake ایجاد کنیم؟
- چگونه از کتابخانه Snowpark Python با GitHub action برای اتوماسیون جریان داده استفاده کنیم؟
- چگونه از داده رایگان مارکتپلیس استفاده کنیم و آن را با پایپلاین داده Snowflake یکپارچه کنیم؟
این دوره برای چه کسانی مناسب است؟
- توسعهدهنده داده ابر Snowflake
- مهندس داده
- مهندس داده Snowflake
آموزش Snowflake - راهنمای عملی و کامل پروژه داده End To End
-
مقدمه - پروژه داده End To End 05:18
-
پیشنیازهای فنی 02:17
-
ساختار دوره 03:35
-
مورد استفاده مهندسی داده 04:15
-
منابع - نمودار معماری، اسکریپتهای اس کیوال، کد Snowpark و فایلهای داده 01:25
-
بیانیه مسئله و تحلیل منبع داده 20:12
-
چرا باید معماری لایهای طراحی کنیم؟ 11:33
-
طراحی جدول و Attributeهای آن 18:27
-
طراحی جدول حقایق و ابعاد 05:19
-
ایجاد پایگاه داده، اسکیما و انبار 08:05
-
بارگذاری فایلهای داده به محل استیج 16:17
-
تخت کردن و حذف تکراریها (پاکسازی) 13:24
-
ترانهادن داده (ردیفها به ستونها) 07:14
-
طراحی و پیادهسازی رویکرد جدول عریض 06:42
-
طراحی و پیادهسازی جداول حقایق و ابعاد 09:56
-
بارگذاری داده اضافی و مشاهده جریان داده 03:40
-
جدول حقایق تجمیع شده (طراحی و پیادهسازی) 08:46
-
جدول حقایق تجمیع شده در سطح روز 03:34
-
بارگذاری داده بزرگ و تأیید پایپلاین داده 15:56
-
آشنایی با Streamlit 08:12
-
اولین اپلیکیشن Streamlit که داده جدولی را نمایش میدهد 06:03
-
اپلیکیشن تعاملی Streamlit با نمودارهای میلهای و خطی 10:35
-
اپلیکیشن تعاملی Streamlit با نقشه 11:30
-
آشنایی با منبع داده API 05:53
-
Consume کردن داده API با اپلیکیشن Snowpark و پایتون 08:35
-
یکپارچهسازی گیتهاب و GitHub Action برای هضم خودکار = 08:14
-
نظارت بر DAG پایپلاین End To End 05:47
-
چگونه مارکتپلیس داده را در Snowflake اضافه کنیم؟ 06:36
-
ایجاد جدول پویا برای Viewها و چالشهای مارکتپلیس 01:54
-
ایجاد جدول استاندارد و تسک برای Consume کردن داده مارکتپلیس 03:52
-
داشبورد Streamlit با داده مارکتپلیس Snowflake 03:18
مشخصات آموزش
آموزش Snowflake - راهنمای عملی و کامل پروژه داده End To End
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:31
- مدت زمان :04:06:24
- حجم :2.38GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy