گواهینامه DP-203 - مهندسی داده در Microsoft Azure

Name: گواهینامه DP-203 - مهندسی داده در Microsoft Azure
Price: 31793000 IRR
Availability: InStock
Author: AI Academy

معرفی
سرفصل

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت

دانشجو یاد می‌گیرد چگونه بارهای کاری مهندسی داده را در Microsoft Azure پیاده‌سازی و مدیریت کند.
دانشجویان با سرویس‌های مختلف Azure مانند Azure Synapse Analytics ،Azure Data Lake Storage Gen2 Azure Stream Analytics و Azure Databricks آشنا می‌شوند.
Azure Synapse Analytics ،Azure Data Lake Storage Gen2 ،Azure Stream Analytics ،Azure Databricks
افرادی که به حوزه مهندسی داده علاقه‌مند هستند می‌توانند مسیر DP 203 را دنبال کنند.

پیش‌نیازهای دوره

دانشجویان باید حداقل مهارت‌هایی در قالب‌های پایه داده مانند CSV و JSON داشته باشند.
دانشجویان باید با حداقل یک سیستم پایگاه داده و همچنین Structured Query Language آشنا باشند.

توضیحات دوره

این دوره شامل محتوای مربوط به آزمون DP-203 است.

اهداف پوشش‌داده‌شده در این دوره عبارت‌اند از

طراحی و پیاده‌سازی ذخیره‌سازی داده (40-45%)
طراحی و توسعه پردازش داده (25-30%)
طراحی و پیاده‌سازی امنیت داده (10-15%)
نظارت و بهینه‌سازی ذخیره‌سازی داده و پردازش داده (10-15%)

در این دوره، دانشجویان با سرویس‌های مختلف Azure که به مهندسی داده مربوط می‌شوند آشنا خواهند شد. برخی از جنبه‌های مهمی که دانشجویان در طول مسیر یاد می‌گیرند عبارت‌اند از موارد زیر

هدف یک حساب ذخیره‌سازی Azure Data Lake Gen 2 چیست؟
مبانی فرمان های Transact-SQL
چگونه با Azure Synapse کار کنیم. این بخش شامل ساخت یک data warehouse در یک Dedicated SQL Pool خواهد بود.
چگونه با کمک Azure Data Factory یک ETL pipeline بسازیم. سناریوهای مختلفی برای ایجاد mapping data flow ارائه خواهد شد.
چگونه با استفاده از Azure Stream Analytics داده‌ها را به‌صورت جریانی پردازش کنیم. خواهید دید که چگونه می‌توان از فرمان های SQL برای داده‌های streaming استفاده کرد.
مبانی زبان برنامه‌نویسی Scala و SPARK
چگونه با SPARK و Scala در Azure Databricks کار کنیم. با Notebookها کار خواهیم کرد. همچنین خواهیم دید چگونه داده‌ها را به Azure Databricks stream کنیم.
اقدامات امنیتی مختلف و جنبه‌های نظارت که هنگام کار با سرویس‌های Azure باید در نظر گرفته شوند.

این دوره برای چه کسانی مناسب است؟

این دوره برای متخصصان داده، معماران داده و متخصصان هوش تجاری مناسب است که می‌خواهند درباره مهندسی داده دانش کسب کنند.
تسلط بر DP 203 به ساخت راهکارهای تحلیلی با استفاده از فناوری‌های پلتفرم داده موجود در Microsoft Azure کمک می‌کند.

گواهینامه DP-203 - مهندسی داده در Microsoft Azure

فصل 1: مقدمه

مهم - چگونه به اهداف آزمون نزدیک می‌شویم؟ 02:19
رایانش ابری 02:29
مقدمه‌ای بر رایانش ابری 01:59
مقدمه‌ای بر Azure 01:39
حساب رایگان Azure 04:49
ایجاد یک حساب رایگان Azure 05:23
گشتی در Azure Portal 02:57
غیرفعال کردن security defaults 02:03

فصل 2: طراحی و پیاده‌سازی ذخیره‌سازی داده - مبانی

درک داده 03:34
قالب‌های مختلف داده 03:02
ما به انواع مختلف سرویس‌های ذخیره‌سازی نیاز داریم 04:08
آزمایشگاه - ایجاد یک Azure Storage Account 06:09
آزمایشگاه - کار با Azure Storage account 08:46
نمونه‌ای از یک برنامه که به داده دسترسی دارد 07:46
نکاتی درباره ذخیره‌سازی داده در Udemy 03:24
Azure Data Lake Gen2 storage account 01:49
آزمایشگاه - Azure Data Lake Gen-2 storage accounts 01:44
آزمایشگاه - بارگذاری داده در Azure Data Lake Gen2 04:12
دریافت Power BI 01:51
استفاده از Power BI برای مشاهده داده‌های شما 04:00

فصل 3: به‌روزرسانی‌ - طراحی و پیاده‌سازی ذخیره‌سازی داده - مروری بر Transact-SQL

بخش مقدمه 00:59
سرویس Azure SQL database 02:19
آزمایشگاه - راه‌اندازی یک Azure SQL database جدید 05:55
آزمایشگاه - نصب Azure Data Studio 01:21
آزمایشگاه - استفاده از Azure Data Studio در macOS 01:44
آزمایشگاه - T-SQL - بررسی SELECT clause 05:02
آزمایشگاه - T-SQL - بررسی WHERE clause 02:48
آزمایشگاه - T-SQL - بررسی ORDER BY clause 01:01
آزمایشگاه - T-SQL - توابع تجمیعی 02:39
آزمایشگاه - T-SQL - بررسی GROUP BY 01:46
آزمایشگاه - استفاده از PARTITION BY 04:44
آزمایشگاه - توابع LEAD و LAG 02:40
آزمایشگاه - WITH Clause 03:36
آزمایشگاه - T-SQL - فرمان Create Table 04:58
آزمایشگاه - T-SQL - فرمان های Foreign Key 08:00

فصل 4: طراحی و پیاده‌سازی ذخیره‌سازی داده - Azure Synapse Analytics

بخش مقدمه 01:19
نگاهی سریع به جنبه هزینه‌ای هنگام استفاده از Azure Synapse 03:01
تا اینجا چه دیده‌ایم 04:21
یک data warehouse 05:48
به Azure Synapse Analytics خوش آمدید 01:31
آزمایشگاه - بیایید یک Azure Synapse workspace ایجاد کنیم 04:15
درباره serverless SQL pool 03:22
بیایید مقداری داده را باز کنیم 13:01
نکته کوتاه درباره Microsoft Entra ID و مجوزها 04:36
آزمایشگاه - استفاده از جدول‌های خارجی - CSV - بخش 1 10:33
آزمایشگاه - استفاده از جدول‌های خارجی - CSV - بخش 2 07:34
آزمایشگاه - جدول‌های خارجی - فایل Parquet 16:09
آزمایشگاه - جدول‌های خارجی - چندین فایل Parquet 04:15
آزمایشگاه - OPENROWSET - فایل‌های JSON 06:30
Dedicated SQL Pool 02:13
آزمایشگاه - ایجاد یک SQL pool 02:52
آزمایشگاه - SQL Pool - جدول‌های خارجی - CSV 09:07
آزمایشگاه - SQL Pool - جدول‌های خارجی - Parquet 03:32
آزمایشگاه - جدول خارجی - فایل‌ها و پوشه‌های مخفی 06:10
مکث کردن SQL Pool 01:40
آزمایشگاه - بارگذاری داده در SQL pool با استفاده از PolyBase 04:04
آزمایشگاه - بارگذاری داده در یک جدول - فرمان COPY - بررسی CSV 07:33
آزمایشگاه - بارگذاری داده در یک جدول - فرمان COPY - بررسی Parquet 02:06
آزمایشگاه - بارگذاری داده - پایپ لاین ها - Storage accountها 07:11
آزمایشگاه - بارگذاری داده - پایپ لاین ها - پایگاه داده Azure SQL 06:40
طراحی یک data warehouse 05:08
جدول‌های Fact و Dimension 04:34
آزمایشگاه - ساخت یک جدول Fact 10:34
آزمایشگاه - ساخت یک جدول Dimension 04:18
آزمایشگاه - انتقال داده به SQL Pool ما 08:35
آزمایشگاه - استفاده از Power BI برای Star Schema 03:39
درک معماری Azure Synapse 05:19
درک انواع جدول 05:53
آزمایشگاه - ایجاد جدول‌های Hash-distributed 05:38
آزمایشگاه - ایجاد جدول‌های Replicated 02:05
Fact به‌صورت Hash و Dimensionها به‌صورت Replicate 06:49
بیشتر درباره طراحی جدول‌ها 04:40
آزمایشگاه - کلیدهای جانشین برای جدول‌های Dimension 06:14
Dimensionهای Slowly Changing 04:04
ایندکس‌ها در Azure Synapse 04:18
از کدام روش بارگذاری استفاده کنیم؟ 02:39
پارتیشن‌ها در Azure Synapse 02:30
آزمایشگاه - ایجاد یک جدول با پارتیشن‌ها 06:21
آزمایشگاه - جابه‌جایی پارتیشن‌ها 07:02
آزمایشگاه - دستور CASE 03:09
Spark Pool چه می‌شود؟ 02:21
استفاده از Dedicated SQL Pool 02:02
آزمون بخش None

فصل 5: طراحی و توسعه پردازش داده - Azure Data Factory

بخش مقدمه 00:52
جنبه هزینه‌ای در Azure Data Factory 02:03
استخراج، تبدیل و بارگذاری 03:12
Azure Data Factory چیست؟ 06:30
شروع با Azure Data Factory 02:10
آزمایشگاه - Azure Data Lake به Azure Synapse 08:31
آزمایشگاه - تولید یک فایل Parquet 02:59
مروری بر آنچه تاکنون انجام شده است 02:38
آزمایشگاه - ایجاد یک pipeline از ابتدا - CSV به Parquet 08:24
آزمایشگاه - ایجاد یک pipeline از ابتدا - Parquet به Synapse 08:18
پس اگر بخواهید نوع داده منبع را تغییر دهید 03:29
درباره Copy data activity 00:56
آزمایشگاه - انتقال داده از پایگاه داده Azure SQL ما 06:11
Mapping Data Flow 03:02
آزمایشگاه - Mapping Data Flow - جدول Fact 10:47
آزمایشگاه - Pipeline - Mapping data flowها 05:10
آزمایشگاه - Mapping Data Flow - جدول Dimension - بررسی DimCustomer 06:01
آزمایشگاه - Mapping Data Flow - جدول Dimension - بررسی DimProduct 08:17
اگر می‌خواهید داده‌های جدول را حذف کنید 04:54
آزمایشگاه - Derived Column 04:05
آزمایشگاه - کلیدهای جانشین - جدول‌های Dimension 02:37
ویژگی اشکال‌زدایی Data Flow 02:33
آزمایشگاه - Azure Data Factory - بررسی Cache Sink - راه‌اندازی 06:27
آزمایشگاه - Azure Data Factory - بررسی Cache Sink - پیاده‌سازی 13:33
آزمایشگاه - تولید داده JSON 06:24
آزمایشگاه - بارگذاری JSON در SQL Pool 07:03
آزمایشگاه - پردازش آرایه‌های JSON 07:17
آزمایشگاه - پردازش شیءهای JSON 05:02
Self-Hosted Integration Runtime 02:29
آزمایشگاه - Self-Hosted runtime - ساخت ماشین 06:49
آزمایشگاه - Self-Hosted runtime - راه‌اندازی یک web server 04:52
آزمایشگاه - Self-Hosted runtime - نصب runtime 06:38
آزمایشگاه - Self-Hosted Runtime - Copy Activity 06:01
آزمایشگاه - Self-Hosted Runtime - بررسی Mapping Data Flow 18:38
آزمایشگاه - Conditional Split 07:30
استفاده از Aggregate Transformation 01:49
درباره Schema Drift 02:26
آزمایشگاه - Get Metadata Activity 02:55
آزمایشگاه - For Each Activity 09:04
نمای سریع از بخش کد 01:10
آزمایشگاه - استفاده از Stored Procedure Activity 03:51
آزمایشگاه - استفاده از Lookup Activity 07:05
آزمایشگاه - اجرای یک pipeline بر اساس رویداد ذخیره‌سازی 04:54
آزمایشگاه - اجرای یک pipeline بر اساس زمان‌بندی 04:30
آزمایشگاه - اجرای یک pipeline بر اساس Tumbling Window 09:36
Azure Data Factory و Git 01:30
یکپارچه‌سازی Azure Data Factory و GitHub 04:20
Azure Data Factory - Git - ایجاد یک pipeline 08:29
Azure Data Factory - گیت - Pull request 08:18
آزمون بخش None

فصل 6: طراحی و توسعه پردازش داده - Azure Event Hubs و Stream Analytics

جنبه هزینه‌ای در سرویس‌های streaming 01:29
پردازش دسته‌ای و بلادرنگ 02:51
Azure Event Hubs چیست؟ 04:25
آزمایشگاه - ایجاد یک نمونه از Event Hub 04:04
آزمایشگاه - Azure Event Hubs - ارسال داده 08:29
Azure Stream Analytics چیست؟ 01:47
آزمایشگاه - ایجاد یک Stream Analytics job 01:48
آزمایشگاه - Azure Stream Analytics - تعریف ورودی 06:51
آزمایشگاه - Azure Stream Analytics - تعریف خروجی 05:48
آزمایشگاه - Azure Stream Analytics - تعریف query 06:56
مروری بر آنچه تاکنون دیده‌ایم 02:42
آزمایشگاه - خواندن داده Blob 08:40
آزمایشگاه - ارسال داده‌های Diagnostic log 07:46
آزمایشگاه - فرمول بندی query ما 17:37
آزمایشگاه - Azure Event Hubs Capture 06:51
اشکال‌زدایی jobها 03:42
درباره توابع Windowing 03:25
آزمایشگاه - Tumbling Window - راه‌اندازی 08:56
آزمایشگاه - Tumbling Window - پیاده‌سازی 15:26
داشتن چند query در job 03:23
نکته کوتاه درباره سایر توابع windowing 04:32
آزمایشگاه - داده مرجع 07:10
آزمایشگاه - خواندن لاگ‌های Network Security Group - راه‌اندازی سرور 04:52
آزمایشگاه - خواندن لاگ‌های Network Security Group - فعال‌سازی NSG Flow Logs 03:45
درک ساختار NSG Flow Log 06:11
شروع با query 05:48
فرمول بندی query ما 10:50
نهایی‌سازی query ما 14:05
ثبت‌نام در سرویس Power BI 08:10
آزمایشگاه - خروجی Power BI 04:20
استفاده از Azure Data Factory - نگاشت جریان داده 12:52
استفاده از Azure Data Factory - پایپ لاین ها 09:42
الگوهای رایج query 01:57
آزمون بخش None

فصل 7: طراحی و توسعه پردازش داده - نگاهی به Spark

چرا Spark 04:29
معماری Spark 04:17
نصب Spark - راه‌اندازی ماشین مجازی 02:54
نصب Spark - پیاده‌سازی 09:05
اجرای Python روی Spark 03:32
استفاده از Notebookها 02:59
Python - انواع داده 02:40
Python - کالکشن List 03:03
Spark - پایتون - دیتا فریم ها 05:58
Spark - پایتون - دیتا فریم ها از فایل 03:07
استفاده از Scala در Notebookها 02:31
Scala - استفاده از متغیرها 01:33
Spark - اسکالا - دیتا فریم ها 03:41
Spark - اسکالا - دیتا فریم ها از فایل 02:49

فصل 8: طراحی و توسعه پردازش داده - Azure Synapse و Azure Databricks

Azure Synapse - بررسی Spark Pool - مفاهیم 02:17
آزمایشگاه - Azure Synapse - ایجاد یک Spark pool 03:16
Spark Pool - شروع کار با Notebookها - Scala 04:06
Spark Pool - شروع کار با Notebookها - Python 01:42
آزمایشگاه - Spark Pool - بارگذاری داده 07:00
آزمایشگاه - Spark Pool - کار با داده 05:34
آزمایشگاه - Spark Pool - گروه‌بندی داده 01:28
آزمایشگاه - Spark Pool - ذخیره در یک delta table 04:38
آزمایشگاه - Spark Pool - نوشتن داده در Azure Synapse 11:15
آزمایشگاه - Spark Pool - جدول‌های مشترک 04:08
Azure Synapse - قالب‌های پایگاه داده 01:56
Azure Databricks چیست؟ 02:28
مفاهیم Azure Databricks 01:42
آزمایشگاه - ایجاد یک workspace 01:43
آزمایشگاه - ایجاد یک cluster 04:47
نکته درباره Compute در Azure Databricks 01:09
آزمایشگاه - بارگذاری داده از یک فایل 03:35
آزمایشگاه - خواندن از Azure Data Lake 04:11
آزمایشگاه - کار با داده 01:28
آزمایشگاه - Group By و مصورسازی ها 02:23
آزمایشگاه - چند تابع روی تاریخ‌ها 05:27
آزمایشگاه - فایل‌های مبتنی بر JSON 05:48
آزمایشگاه - ذخیره در یک جدول 03:17
آزمایشگاه - استفاده از فرمان COPY INTO 03:42
آزمایشگاه - استریم داده از datalake 05:27
آزمایشگاه - انجام تبدیل روی داده‌های streaming 04:41
آزمایشگاه - تعیین schema 04:08
آزمایشگاه - نوشتن داده در Azure Synapse SQL Dedicated Pool 03:59
آزمایشگاه - خواندن داده از Azure Synapse 04:46
آزمایشگاه - نسخه‌بندی جدول‌ها 05:32
آزمایشگاه - اجرای یک job خودکار 04:08
آزمایشگاه - Azure Data Factory - اجرای یک Notebook 06:38
آزمایشگاه - استریم از Azure Event Hub - راه‌اندازی 07:59
آزمایشگاه - استریم از Azure Event Hub - پیاده‌سازی 05:52
حذف منبع Azure Databricks 00:54
آزمون بخش None

فصل 9: طراحی و پیاده‌سازی امنیت داده

مجوزدهی برای Azure Data Lake Gen2 02:23
آزمایشگاه - استفاده از Azure Storage Explorer 04:41
امنیت Azure Data Lake Gen 2 - بررسی Shared Access Signature 04:52
Microsoft Entra ID 03:43
آزمایشگاه - استفاده از Microsoft Entra ID - ایجاد یک کاربر 02:30
آزمایشگاه - استفاده از Microsoft Entra ID - استفاده از RBAC - بررسی Storage Blob Data Reader 05:41
آزمایشگاه - استفاده از Microsoft Entra ID - استفاده از RBAC - استفاده از نقش Reader 05:59
آزمایشگاه - استفاده از Access Control Listها 11:03
آزمایشگاه - Azure Synapse - امنیت در سطح ستون 08:02
آزمایشگاه - Azure Synapse - امنیت در سطح ردیف 06:29
آزمایشگاه - Azure Synapse - ماسک‌کردن داده 06:44
Azure Synapse - رمزنگاری Dedicated Pool 02:23
رمزنگاری فضای کاری Azure Synapse 07:33
Microsoft Entra ID - Azure Synapse 02:50
آزمایشگاه - Microsoft Entra ID - Azure Synapse - تنظیم مدیر 03:37
آزمایشگاه - Microsoft Entra ID - Azure Synapse - ورود به‌عنوان مدیر 05:31
آزمایشگاه - Microsoft Entra ID - Azure Synapse - ایجاد یک کاربر 05:19
جدید - آزمایشگاه - Azure Synapse - جدول‌های خارجی - Microsoft Entra ID 08:06
Azure Storage Accounts - شبکه و فایروال 02:11
Azure Storage Accounts - تنظیمات شبکه و فایروال - ایجاد یک ماشین مجازی 08:37
Azure Storage Accounts - تنظیمات شبکه و فایروال - Service endpoint 02:31
درباره Managed Identities (هویت های مدیریت شده) 01:33
Azure Synapse - اتصال Managed Identity 05:46
Azure Synapse - کشف و طبقه‌بندی داده 05:38
Azure Data Factory - رمزنگاری 03:46
آزمایشگاه - Azure Databricks - استفاده از Secret Scope - راه‌اندازی 05:49
آزمایشگاه - Secret Scope - Azure Databricks - پیاده‌سازی 09:37
آزمون بخش None