یادگیری Azure Databricks

آنچه یاد خواهید گرفت:

• درک مبانی Azure Databricks و ویژگی‌های کلیدی آن
• فرمت‌های ذخیره‌سازی داده‌ پشتیبانی شده برای داده‌ واقعی مانند Apache Parquet
• ساخت و اجرای پایپ‌لاین‌های داده end-to-end با استفاده از PySpark
• ساخت و اجرای پایپ‌لاین‌های داده end-to-end با استفاده از انبار داده Databricks SQL
• ذخیره‌سازی مشترک با استفاده از Unity Catalog برای مدیریت چالش‌های واقعی
• استفاده از Databricks CLI برای اتوماسیون گردش‌کارهای Databricks و jobs و فضاهای کاری
• استفاده از یوتیلیتی‌های Databricks برای مدیریت فایل سیستم (dbfs)
• استفاده از Databricks CLI
• استفاده از دریاچه‌های دلتا برای مهندسی داده
• استفاده از COPY INTO و AutoLoader برای جابجایی داده‌
• مدیریت زیرساخت‌ها با استفاده از ابزارهای زیرساخت به عنوان کد (IaC) مانند Terraform
• پیاده‌سازی پایپ‌لاین‌های CI/CD با استفاده از دواپس آژور
• مدیریت پروژه‌های علم داده با استفاده از یادگیری ماشین Databricks 
• استفاده از Azure Databricks برای یادگیری ماشین، شامل یکپارچه‌سازی MLFlow
• تجربه یادگیری با استفاده از مرجع پروژه‌های بلادرنگ

پیش‌نیازهای دوره

• شما باید برنامه‌نویسی پایتون را بدانید تا بتوانید کدهای مبتنی بر پایتون را بنویسید و اجرا کنید.
• درک SQL به ایجاد و مدیریت جداول، تبدیل داده‌ و اجرای سریع کوئری کمک می‌کند.
• دانستن مبانی ابر می‌تواند در استفاده از Azure Databricks مفید باشد، که شامل مفاهیمی مانند ذخیره‌سازی ابری، قدرت رایانش، شبکه‌سازی و امنیت می‌باشد.

توضیحات دوره

این دوره شما را به دنیای Azure Databricks می‌برد و نحوه‌ مدیریت تحلیل داده، تسک‌های مهندسی و تسک‌های یادگیری ماشین را متحول می‌کند.

نکات کلیدی دوره:

• یاد می‌گیرید که چگونه Azure Databricks را به‌ طور موثر راه‌اندازی و استفاده کنید.
• درک Open Storage Parquet، دریاچه‌های دلتا و دریاچه‌های داده
• بررسی الگوی طراحی Medallion 
• استفاده از Azure Databricks برای انبار داده SQL 
• تسلط به برنامه‌نویسی اسپارک و پردازش کلان داده در Azure Databricks 
• استفاده از Unity Catalog برای مدیریت مجموعه داده‌های دسته‌ای و استریمینگ
• ساخت پایپ‌لاین‌ها با جداول لایو دلتا در Azure Databricks 
• پیاده‌سازی پایپ‌لاین‌های CI/CD با استفاده از دواپس آژور
• خودکارسازی provisioning زیرساخت‌ با Terraform برای Azure Databricks 
• استفاده از Azure Databricks برای یادگیری ماشین شامل یکپارچه‌سازی MLFlow

این دوره مناسب مهندسان داده، دانشمندان داده و متخصصان تحلیل است و توانایی شما را برای استفاده از Azure Databricks در پروژه‌های پیچیده تحلیل افزایش می‌دهد.

دوره‌های ما با یک برنامه یادگیری ساده طراحی شده که برای دانشجویان سال اول کالج مناسب است.

در پایان دوره شما قادر خواهید بود راه‌حل‌های داده‌ مقیاس‌پذیر و قابل اطمینان بسازید و تحلیل‌های پیشرفته را با اعتمادبه‌نفس پیاده‌ کنید.

شما تجربه عملی در راه‌اندازی و بهینه‌سازی محیط داده خود خواهید داشت که به پردازش کارآمد داده‌ و گردش‌کارهای مهندسی داده مطمئن منجر می‌شود.

علاوه بر این، بهترین شیوه‌ها برای مدیریت ذخیره‌سازی داده، توسعه مدل‌های یادگیری ماشین و استقرار بی‌نقص آنها را یاد خواهید گرفت و در کل به چرخه عمر داده‌ با استفاده از Azure Databricks تسلط پیدا خواهید کرد.

این دوره برای چه کسانی مناسب است؟

• مهندسان داده
• دانشمندان داده
• تحلیلگران کسب‌وکار
• تحلیلگران داده
• متخصصان IT علاقه‌مند به کلان داده و تحلیل
• حتی دانشجویان سال اول کالج