دوره آموزشی
دوبله زبان فارسی
مهندس داده در Google Cloud
✅ سرفصل و جزئیات آموزش
در این دوره از مبانی به مهندسی داده با GCP مسلط می شوید.
آنچه یاد خواهید گرفت
- درک مفاهیم اصلی ابر و مهندسی داده و کاربردهای آن ها در Google Cloud
- تسلط به ابزارها و سرویس های داده GCP از جمله BigQuery و Cloud Storage و Dataflow و Pub/Sub و غیره
- طراحی و پیاده سازی پایپ لاین های داده برای جذب، تبدیل و ذخیره سازی داده
- پیاده سازی بهترین شیوه ها برای امنیت داده، حاکمیت داده و مدیریت هزینه در GCP
- آمادگی برای آزمون های گواهینامه GCP Data Engineer certification (اختیاری)، که چشم انداز شغلی در مهندسی داده را افزایش می دهد.
پیش نیازهای دوره
- اشتیاق شدید برای یادگیری، کنجکاوی و انگیزه موارد کلیدی هستند زیرا ما به دنیای هیجان انگیز مهندسی داده می پردازیم.
توضیحات دوره
آنچه یاد خواهید گرفت
در این دوره، به مجموعه ابزارها و سرویس های داده GCP، مهارت های پردازش داده، تبدیل داده، ذخیره سازی داده و غیره خواهید پرداخت.
مباحث دوره عبارتند از:
- مفاهیم اصلی مهندسی داده - با اصول کلیدی مهندسی داده، اصطلاحات و اکوسیستم GCP آشنا می شوید.
- ذخیره سازی و مدیریت داده - ذخیره سازی ابری، BigQuery و سایر سرویس های GCP را برای ذخیره و مدیریت کارآمد داده بررسی می کنید.
- پایپ لاین های داده - یاد می گیرید که چگونه پایپ لاین های داده دسته ای و بلادرنگ را با استفاده از سرویس های GCP مانند Dataflow و Pub/Sub طراحی و پیاده کنید.
- SQL و پایتون برای مهندسی داده - مهارت های کوئری کردن و اسکریپت نویسی خود را برای انجام تسک های پردازش داده در GCP تقویت می کنید.
- امنیت، حاکمیت و مدیریت هزینه - بهترین شیوه ها را برای اطمینان از امنیت داده، حاکمیت داده و راه حل های ابری مقرون به صرفه پیاده می کنید.
- آمادگی برای گواهینامه - نکات و راهنمایی هایی را برای آمادگی جهت آزمون های گواهینامه GCP Data Engineer certification دریافت می کنید که شما را برای فرصت های شغلی پیشرفته آماده می کند.
- دسترسی به کد منبع کامل - ما دسترسی کامل به کد منبع را برای همه پروژه ها و مثال ها فراهم می کنیم که منابعی را برای تمرین، بررسی و سفارشی سازی بیشتر در اختیار شما قرار می دهد.
این دوره برای چه کسانی مناسب است؟
- مبتدیانی که می خواهند دانش منسجمی در مفاهیم مهندسی داده و مهارت های عملی در Google Cloud داشته باشند.
- تحلیلگران و توسعه دهندگان داده که به دنبال انتقال به نقش های مهندسی داده یا گسترش مجموعه مهارت های خود هستند.
- مهندسان ابر و متخصصان IT با هدف تخصص در راه حل های داده با استفاده از ابزارها و سرویس های Google Cloud
- مهندسان باتجربه داده که مایل هستند دانش خود را در مورد سرویس های داده GCP برای مدیریت سیستم های داده در مقیاس بزرگ و تحلیل پیشرفته عمیق تر کنند.
مهندس داده در Google Cloud
-
آشنایی با گواهینامه Google Cloud Data Engineer certification 11:45
-
چگونه برای گواهینامه های GCP ثبت نام کنیم؟ 08:00
-
چگونه یک حساب آزمایشی رایگان در Google Cloud ایجاد کنیم؟ 01:41
-
بررسی سرویس های رایانش 08:03
-
ایجاد اولین نمونه ماشین مجازی GCP 10:15
-
Google App Engine 13:18
-
سرویس های شبکه سازی Google Cloud 01:03:29
-
بررسی سرویس های ذخیره سازی 52:06
-
مقدمه ذخیره سازی Google Cloud 19:18
-
ویژگی های ذخیره سازی Google Cloud - [عملی] 19:18
-
دیسک های پایدار و اسنپ شات ها 35:44
-
ایجاد سیاست اسنپ شات 05:55
-
نصب باکت GCS به عنوان فایل سیستم 07:58
-
شروع کار با Cloud SQL 15:25
-
مهاجرت On-prem MySQL به Google Cloud 12:42
-
اسپنر ابری 17:39
-
ایجاد نمونه اسپنر ابری 17:39
-
ایجاد استریم تغییر اسپنر ابری 19:16
-
Cloud BigTable 05:35
-
ایجاد نمونه BigTable 12:39
-
BigQuery در Google Cloud 05:33
-
ایجاد مجموعه داده و جدول در BigQuery 07:47
-
پارتیشن بندی در BigQuery 09:12
-
کنترل دسترسی BigQuery 08:05
-
کوئری های فدرال در BigQuery 12:19
-
بازیابی داده حذف شده در BigQuery 13:32
-
بافر استریمینگ در BigQuery 15:02
-
Gemini AI در BigQuery ( Duet AI سابق) 08:33
-
بررسی سرویس های تحلیل داده 09:50
-
Cloud Pub و Sub 05:56
-
آشنایی با Dataflow 06:22
-
ایجاد batch Job با استفاده از Dataflow 05:00
-
بارگذاری داده از GCS به BigQuery با استفاده از Dataflow 15:57
-
استخراج داده از اسپنر ابری به GCS 16:02
-
ایجاد Streaming Job با استفاده از Dataflow 19:16
-
ایجاد استریم تغییر اسپنر با استفاده از Dataflow streaming Job 19:16
-
آشنایی با Cloud Data Fusion 04:28
-
ایجاد پایپ لاین داده با استفاده از Cloud Data Fusion 14:36
-
آشنایی با Cloud Composer 08:24
-
ایجاد محیط Cloud Composer 04:36
-
معماری Cloud Composer 11:31
-
ایجاد Airflow Dag با استفاده از Cloud composer 33:29
-
ری استارت سرویس های Composer 08:15
-
بررسی سرویس های AI/ML در Google Cloud 10:12
-
Vision API 08:31
-
API پردازش زبان طبیعی 12:28
-
API هوش ویدئویی 03:43
-
Vertex AI Studio (اکنون AI Studio نام دارد) 09:17
-
مدل یادگیری ماشین سفارشی با استفاده از Vertex AI 20:11
-
ایجاد داشبورد در Data Studio 27:39
-
رمزگذاری دیسک پایدار 12:25
-
رمزگذاری در باکت رمزگذاری ابری 25:10
-
API پیشگیری از دست دادن داده 06:53
-
بررسی داده حساس با استفاده از API پیشگیری از دست دادن داده 18:40
-
ایجاد پایپ لاین داده ETL با Cloud Data Fusion و Airflow - بخش 1 53:29
-
ایجاد پایپ لاین داده ETL با Cloud Data Fusion و Airflow - بخش 2 31:47
-
پایپ لاین داده آمار کریکت در Google Cloud با استفاده از Airflow 47:39
-
پایپ لاین داده خودکار برای داده فروش 56:58
-
ایجاد پایپ لاین داده تحلیل احساسات از پشتیبانی چت با استفاده از Gemini 23:41
-
خودکارسازی GCS برای بارگذاری داده BigQuery 30:57
مشخصات آموزش
مهندس داده در Google Cloud
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:60
- مدت زمان :17:00:26
- حجم :12.4GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy