دوره آموزشی
دوبله زبان فارسی
راهنمای جامع مهندسی تحلیل
✅ سرفصل و جزئیات آموزش
این دوره جامع به موضوعات و مهارتهای لازم برای موفقیت به عنوان مهندس تحلیل میپردازد. مدرس Connor Dickson نشان میدهد چگونه مهندسی تحلیل شکاف بین مهندسی داده و تحلیل داده را پر میکند و میتواند به شما کمک کند تا به یک «چاقوی سوئیسی» مهارتهای تحلیلی تبدیل شوید.
پس از اتمام این دوره، باید بتوانید با دادهها با استفاده از محبوبترین ابزارها مانند SQL و Python و dbt و Tableau و موارد دیگر کار کنید.
راهنمای جامع مهندسی تحلیل
-
معرفی راهنمای جامع مهندسی تحلیل 0:00:26
-
بررسی محتوای دوره 0:01:09
-
معرفی GitHub Codespaces 0:01:37
-
معرفی CoderPad 0:01:03
-
مقدمهای بر مهندسی تحلیل 0:00:48
-
مهندسی تحلیل یک نقش ترکیبی است 0:02:22
-
چرخه عمر داده 0:03:12
-
تکامل مهندسی تحلیل 0:02:48
-
دموکراتیکسازی داده و لایههای معنایی 0:01:44
-
پایگاههای داده، دریاچههای داده و انبارهای داده...وای من! 0:00:50
-
پایگاههای داده رابطهای 0:01:53
-
پایگاههای داده غیر رابطهای 0:01:43
-
انبار داده 0:02:15
-
دریاچههای داده: متد ذخیرهسازی جایگزین 0:03:00
-
چگونه پایگاههای داده از تصمیمگیری پشتیبانی میکنند؟ 0:02:15
-
بهترین شیوهها در پایگاه داده 0:03:10
-
Python چیست و چرا از آن استفاده میکنیم؟ 0:01:28
-
محیط Python و مجموعه داده ما 0:02:24
-
کرنلها، اجرای کد Python و سایر مبانی 0:05:27
-
کتابخانه pandas در Python 0:04:38
-
DataFrame، سریهای داده و انواع داده در pandas 0:03:14
-
انتخاب، مرتبسازی و فیلتر کردن داده با pandas 0:03:42
-
حل مشکلات رایج نوع داده با pandas Python 0:04:26
-
پاکسازی دادهها با pandas 0:05:48
-
راه حل CoderPad: حل یک تسک تحلیلی با Python 0:00:23
-
توابع تحلیلی در pandas 0:01:13
-
گروهبندی داده در pandas 0:07:51
-
ادغام چند DataFrame با pandas 0:05:12
-
ایجاد ستونهای محاسباتی سفارشی جدید با pandas 0:04:29
-
ایجاد میانگینهای متحرک با محاسبات پنجرهای 0:04:30
-
راه حل CoderPad: محاسبه میانگینها با توابع پنجرهای Python 0:00:48
-
چرا دادهها را با استفاده از ETL منتقل کنیم؟ 0:02:29
-
ETL در مقابل ELT 0:02:05
-
اتصال به پایگاه داده و API 0:05:03
-
دریافت دادهها 0:03:58
-
ادغام و بازنویسی دادههای موجود 0:04:25
-
DAGs 0:02:26
-
مزایا و معایب ابزارهای ETL 0:01:45
-
مقدمهای بر SQL برای مهندسی تحلیل 0:01:17
-
عبارت SELECT 0:04:31
-
فیلتر کردن نتایج داده با عبارت WHERE 0:09:49
-
توابع تجمعی در SQL 0:06:51
-
توابع تاریخ در SQL 0:06:28
-
Inner Join کردن چند جدول 0:07:26
-
Left Join کردن چند جدول 0:08:45
-
انواع دیگر Join در SQL 0:05:18
-
عبارات جدول مشترک (CTE) 0:09:30
-
راه حل CoderPad: مدلسازی داده با SQL 0:00:37
-
dbt چیست؟ 0:01:56
-
لایههای معنایی برای گردش های کاری داده مدرن 0:02:11
-
DAGs برای مصورسازی لایههای مدل داده 0:02:55
-
ساخت، اجرا و تست 0:02:52
-
ماکروهای dbt 0:04:00
-
مقدمهای بر هوش تجاری 0:01:33
-
راهاندازی Tableau 0:01:46
-
اتصال به منابع داده مختلف در Tableau 0:06:50
-
Dimensions در مقابل Measures 0:04:17
-
ایجاد فیلدهای محاسباتی 0:07:12
-
استفاده از نمودار مناسب برای مصورسازی 0:04:40
-
ترکیب چند منبع داده 0:05:16
-
ساخت یک داشبورد تعاملی 0:05:00
-
بهترین شیوهها در مصورسازی داده 0:03:31
-
چرا تیمهای مهندسی تحلیل به روابط با ذینفعان نیاز دارند؟ 0:02:45
-
ارتباط مختصر و سریع 0:05:03
-
مدیریت پروژه از ابتدا تا انتها 0:04:11
-
اطمینان از استفاده ذینفعان از محصول شما 0:02:06
-
مرور مختصر موضوعات پوشش داده شده 0:02:32
-
گامهای بعدی 0:01:31
مشخصات آموزش
راهنمای جامع مهندسی تحلیل
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:متوسط
- تعداد درس:68
- مدت زمان :4:00:38
- حجم :601.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy