معماریهای کلان داده یکسان هستند
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت
- چگونه میتوان معماریهای داده را بهصورت عمومی و تکرارشونده طراحی کرد؟
- توانایی شناسایی کامپوننتهای مشترکی که در هر معماری داده وجود دارند.
- طراحی بلوپرینت برای معماری داده در هر پروژهای که اکنون یا در آینده روی آن کار میکنید.
- دفاع از تصمیمهای طراحی و انتخاب آگاهانه بر اساس بهترین شیوهها و الگوهای اثباتشده
- آشنایی با جایگاه و کارکرد شبکه داده یا data mesh و اینکه چگونه بهترین استفاده را از آن داشته باشیم.
پیشنیازهای دوره
- درک پایه از اصطلاحات کلان داده و علم داده
- آشنایی ابتدایی با ابزارهای اصلی در علم کلان داده
- دورهی مدرس با عنوان " مقدمهای قطعی بر علم کلان داده"
توضیحات دوره
در این دوره، با هم به طراحی بلوپرینت معماریداده میپردازیم.این بلوپرینت بهطور کامل تمام کامپوننتهایی را که در هر معماری دادهای ممکن است ببینید و به آنها نیاز داشته باشید، در بر میگیرد و - شاید مهمتر از آن - نشان میدهد این کامپوننتها چگونه باید به هم متصل شوند.
ما هر بخش از این بلوپرینت را بهصورت مفصل بررسی کرده و میبینیم که این اجزا چگونه در یک ساختار از بالا به پایین با یکدیگر تعامل دارند تا همیشه تصویر کلی را در ذهن داشته باشیم. همچنین یاد میگیریم چگونه شبکه داده (data mesh) در این چارچوب قرار میگیرد و اینکه آیا میتوانیم بدون هیچ نیاز اضافی، با استفاده از همین بلوپرینت معماری داده، یک پیادهسازی data mesh انجام دهیم یا خیر.
بدیهی است که نتیجه را باید در عمل دید، بنابراین به سراغ موارد استفادهی بسیار متفاوت میرویم تا ببینیم این بلوپرینت معماری داده چگونه در سناریوهای واقعی به کار میآید؛ جایی که شرایط کسبوکار همیشه متفاوت است، اما همان کامپوننتهای کلیدی همواره نقش خود را ایفا میکنند.
در این دوره یاد خواهید گرفت:
- چگونه هر نوع معماری داده را طراحی کنید؟
- با یک بلوپرینت آشنا شوید که بتوانید آن را بهعنوان یکی از ابزارهای اصلی برای طراحی معماری داده به جعبهابزار خود اضافه کنید.
- data mesh چیست و چه زمانی باید از آن استفاده کرد (یا نکرد)؟
- بلوپرینت معماری داده را به موارد استفاده واقعی تبدیل کنید تا در هر شرایطی قابل اجرا باشد.
- پس از آشنایی با این بلوپرینت معماری داده، قدم بعدی چه باید باشد؟
علاوه بر اینکه بدانید این دوره چه چیزهایی را توضیح میدهد، مهم است که بدانید چه چیزهایی را توضیح نمیدهد. در این دوره، بهطور مفصل دربارهی انواع ابزارها و فریمورکهای موجود که میتوانند این یا آن کار را انجام دهند صحبت نمیکنیم. این دوره آموزشی درباره اسپارک، هدوپ یا NoSQL نیست.
این دوره برای چه کسانی مناسب است؟
- متخصصان داده که میخواهند مسیر شغلی خود را به سمت تصمیمگیریهای معماری ارتقا دهند.
- معماران سازمانی یا نرمافزار که میخواهند درک معماری داده را به مجموعه مهارتهای خود اضافه کنند.
- هر کسی که به data mesh یا معماری داده علاقهمند است.
معماریهای کلان داده یکسان هستند
-
مقدمه، اهداف دوره و مخاطبان 03:11
-
بلوپرینت معماری داده 08:27
-
لایهی دریافت داده 18:45
-
غنیسازیهای لحظهای و ذخیرهسازی خام 23:38
-
میکروسرویسها و ذخیرهسازی یکپارچه 21:42
-
ETL و ذخیرهسازی یکپارچه 13:26
-
ETL و ذخیرهسازی مخصوص هر مورد 15:29
-
لایهی ارائه 18:23
-
لایهی کاربران حرفهای (علم داده) 10:49
-
data mesh چگونه در این میان قرار میگیرد؟ 18:21
-
جمعبندی 08:18
-
پایش لاگها 09:44
-
دادههای حسگرهای IoT 09:53
-
رسانه و رهگیری رفتاری 10:29
-
فناوری منابع انسانی و استخدام 09:26
-
اضافه: انتزاعی از بلوپرینت برای سازگاری با هر مورد استفاده 20:15
-
جمعبندی 07:49
مشخصات آموزش
معماریهای کلان داده یکسان هستند
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:متوسط
- تعداد درس:17
- مدت زمان :03:48:05
- حجم :435.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy