مهندسی داده در AWS - آموزش جامع
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- دامنه 1: هضم و تبدیل داده
- دامنه 2: مدیریت فروشگاه داده
- دامنه 3: عملیاتهای داده و پشتیبانی
- دامنه 4: امنیت و حاکمیت داده
پیشنیازهای دوره
مفاهیم کلی تحلیل داده، شبکهسازی، ذخیرهسازی و رایانش در AWS Cloud
توضیحات دوره
مهندس داده نقشی مورد تقاضا با کمبود متخصصان ماهر است. این آموزش به شما کمک میکند تا به عنوان مهندس داده، معمار داده و سایر نقشهای مرتبط با داده، اعتمادبهنفس و اعتبار خود را بسازید.
در این دوره توانایی پیادهسازی پایپلاینهای داده، نظارت، عیبیابی و بهینهسازی هزینه و عملکرد مطابق با بهترین شیوهها را کسب خواهید کرد.
این آموزش مهارتهای لازم برای انجام موارد زیر را ارتقا میدهد:
- هضم و تبدیل داده و ارکستراسیون پایپلاینهای داده با بهکارگیری مفاهیم برنامهنویسی
- انتخاب فروشگاه داده بهینه، طراحی مدلهای داده، کاتالوگ کردن اسکیماهای داده و مدیریت چرخه عمر داده
- عملیاتیسازی، نگهداری و نارت بر پایپلاینهای داده، تحلیل داده و تضمین کیفیت آن
- پیادهسازی روشهای مناسب احراز هویت، مجوز، رمزگذاری داده، حریم خصوصی و حاکمیت و فعالسازی لاگ کردن
اگرچه تمرکز این آموزش روی گواهینامه AWS Certified Data Engineer - Associate (DEA-C01) است، اما برای دانشجویانی که میخواهند درباره مهندسی داده در AWS Cloud یاد بگیرند نیز مفید است
شما مهارتهای زیر را کسب خواهید کرد:
هضم و تبدیل داده
- اجرای هضم داده
- تبدیل و پردازش داده
- ارکستراسیون پایپلاینهای داده
- بهکارگیری مفاهیم برنامهنویسی
مدیریت فروشگاه داده
- انتخاب یک فروشگاه داده
- آشنایی با سیستمهای کاتالوگ کردن داده
- مدیریت چرخه عمر داده
- طراحی مدلهای داده و تکامل اسکیما
عملیاتهای داده و پشتیبانی
- خودکارسازی پردازش داده با سرویسهای AWS
- تحلیل داده با سرویسهای AWS
- نگهداری و نظارت بر پایپلاینهای داده
- تضمین کیفیت داده
امنیت و حاکمیت داده
- بهکارگیری مکانیزمهای احراز هویت
- بهکارگیری مکانیزمهای مجوز
- تضمین رمزگذاری و ماسک کردن داده
- آمادهسازی لاگها برای حسابرسی
- درک حریم خصوصی داده و حاکمیت داده
این دوره برای چه کسانی مناسب است؟
- کسانی که میخواهند اعتمادبهنفس و اعتبار خود را به عنوان مهندس داده، معمار داده و سایر نقشهای مرتبط در AWS بسازند.
- متقاضیان آزمون AWS Certified Data Engineer - Associate
- هر فردی که قصد دارد دانش خود را در حوزه مهندسی داده گسترش دهد.
مهندسی داده در AWS - آموزش جامع
-
مقدمه 08:08
-
آشنایی با مدرس 02:59
-
مهندسی داده در AWS 12:45
-
اصطلاحات اولیه 11:12
-
کاتالوگ داده Glue 31:29
-
Glue ETL - بخش 1 04:08
-
ETL Job - بخش 2 09:28
-
ETL Job - بخش 3 22:13
-
گردش کارها 12:07
-
بوکمارک Job 04:58
-
نوع اجرا 09:52
-
کیفیت داده - بخش 1 04:44
-
کیفیت داده - بخش 2 21:49
-
Glue Databrew 21:26
-
ویژگیهای اضافی 09:19
-
Amazon Redshift 08:53
-
معماری 10:45
-
ایجاد یک خوشه 16:34
-
ویرایشگر کوئری نسخه 2 08:47
-
سبکهای توزیع 16:04
-
عملیاتهای خوشه 05:20
-
Data API 06:42
-
Redshift Spectrum 20:40
-
Redshift بدون سرور - بخش 1 12:49
-
Redshift بدون سرور - بخش 2 08:01
-
Materialized viewها 09:38
-
WLM و همزمانی 09:49
-
Datashare 08:18
-
اطلاعات اضافی 10:54
-
داده استریمینگ چیست؟ 08:27
-
سرویسهای استریمینگ در AWS 05:41
-
خانواده Amazon Kinesis 02:29
-
استریمهای داده Amazon Kinesis 13:11
-
حالت ظرفیت 07:05
-
Shard Iteratorها 12:57
-
ژنراتور داده Kinesis 06:58
-
Porducerهای Data Stream 04:09
-
Data Stream Consumer 02:48
-
گنجایش خروجی (fan-out) بهبود یافته 05:48
-
Amazon Kinesis Firehose 18:43
-
پارتیشنبندی پویا 09:15
-
استریم داده در مقابل Data Firehose 04:44
-
سرویس مدیریتشده برای Apache Flink 11:14
-
اپلیکیشن Flink 15:21
-
Flink Studio 03:42
-
آپاچی کافکا 09:44
-
سرویس مدیریتشده آمازون برای کافکا 08:55
-
خوشه MSK 09:52
-
Topic در کافکا 21:51
-
ارسال و دریافت پیامها 05:22
-
Amazon MSK بدون سرور 05:24
-
MSK Provisioned در مقابل بدون سرور 02:35
-
Amazon MSK Connect 03:58
-
Amazon Kinesis در مقابل Amazon MSK 05:42
-
کلان داده چیست؟ 03:28
-
Map Reduce 05:16
-
اکوسیستم کلان داده 04:39
-
Amazon EMR 07:53
-
ذخیرهسازی برای EMR 07:26
-
ایجاد خوشه EMR - بخش 1 16:13
-
ایجاد خوشه EMR - بخش 2 08:57
-
مهاجرت 09:08
-
Amazon EMR بدون سرور 04:07
-
بهینهسازی هزینه 03:47
-
دریاچههای داده چیست؟ 08:34
-
انبار داده در مقابل دریاچههای داده 07:05
-
AWS Lake Formation 08:45
-
چگونه کار میکند؟ 09:59
-
راهاندازی دریاچه داده - بخش 1 17:42
-
راهاندازی دریاچه داده - بخش 2 07:14
-
مجوزهای دریاچه داده 13:28
-
مجوزهای مبتنی بر تگ 08:32
-
قالبهای جدول باز 03:10
-
چرا از Amazon Athena استفاده کنیم؟ 06:49
-
چگونه کار میکند؟ 13:35
-
بهینهسازی کوئریها در Athena - بخش 1 15:33
-
بهینهسازی کوئریها در Athena - بخش 2 13:01
-
گروههای کاری 13:28
-
کوئری فدراسیونی - بخش 1 05:15
-
کوئری فدراسیونی - بخش 2 19:36
-
تصویرسازی دادهها 07:10
-
شروع کار 18:42
-
یکپارچهسازی با Amazon Athena 12:00
-
ارکستراسیون پایپلاین داده خود را انجام دهید 09:18
-
کدام را انتخاب کنیم؟ 05:46
-
Amazon AppFlow 07:34
-
AWS Data Exchange 06:29
-
توابع پلهای AWS - بخش 1 06:15
-
توابع پلهای AWS - بخش 2 07:41
-
توابع پلهای AWS - بخش 3 05:45
-
نکتهای پیش از ادامه 01:41
-
پایگاهدادههای خود را به AWS مهاجرت دهید 18:01
-
AWS DMS - بخش 1 10:44
-
AWS DMS - بخش 2 23:10
-
AWS DMS - بخش 3 07:17
-
داده خود را به AWS مهاجرت دهید 04:02
-
AWS DataSync - بخش 1 07:58
-
AWS DataSync - بخش 2 23:52
-
AWS Transfer Family - بخش 1 10:23
-
AWS Transfer Family - بخش 2 17:22
-
AWS Snow Family 17:57
-
نکتهای پیش از ادامه 02:08
-
AWS Lambda - ویژگیهای مهم 05:01
-
AWS Lambda - همزمانی 07:09
-
AWS Lambda - لایهها 05:53
-
AWS Lambda - اتصال VPC 05:15
-
AWS Lambda - مجوزها 04:43
-
Amazon S3 - رمزنگاری 05:15
-
Amazon S3 - لایههای ذخیرهسازی Glacier 03:05
-
Amazon S3 - نوتیفیکیشن رویدادها 03:37
-
Amazon S3 - سیاستهای چرخه عمر 09:15
-
Amazon S3 - لایه هوشمند 27:15
-
Amazon S3 - بررسی Select 05:17
-
Amazon S3 - بررسی Object Lambda 08:48
-
Amazon EC2 - حجمهای EBS 05:36
-
Amazon RDS - بینشهای عملکرد 02:40
-
Amazon DynamoDB - استریمها 05:00
-
Amazon DynamoDB - جداول جهانی 04:02
-
Amazon DynamoDB - مقیاسبندی خودکار 03:00
-
نکته نهایی 00:32
مشخصات آموزش
مهندسی داده در AWS - آموزش جامع
- تاریخ به روز رسانی: 1404/09/07
- سطح دوره:متوسط
- تعداد درس:120
- مدت زمان :18:51:04
- حجم :8.37GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy