آمادگی برای آزمون DP-750: Azure Databricks Data Engineer Associate
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پیادهسازی و مدیریت ورود داده با استفاده از پردازش دستهای و جریانی در Azure Databricks
- طراحی و مدیریت جدولهای Delta Lake با تراکنشهای ACID، تکامل اسکیما و سفر در زمان
- تبدیل و پردازش داده با استفاده از Apache Spark (DataFrames و SQL) در Databricks
- بهینهسازی و نظارت بارهای کاری داده با استفاده از پارتیشنبندی، مرتبسازی Z، کشینگ و تیونینگ عملکرد
پیشنیازهای دوره
- درک اولیه از مفاهیم داده (جدولها، فایلها، پایگاههای داده)
- دانش مقدماتی Python (توصیه میشود، اما الزامی نیست)
- آشنایی با SQL برای کوئری و تبدیل داده
- آگاهی اولیه از مفاهیم ابری - آشنایی با اصول Azure مفید است.
توضیحات دوره
به Azure Databricks مسلط شوید و با اطمینان برای گواهینامه DP-750: Azure Databricks Data Engineer Associate آماده شوید؛ با دورهای که برای تأثیرگذاری در دنیای واقعی طراحی شده است.
این دوره فراتر از تئوری رفته و به شما کمک میکند راهکارهای مهندسی داده آماده تولید را با استفاده از Azure Databricks و Apache Spark بسازید. چه برای دریافت گواهینامه آماده میشوید، چه قصد دارید به نقش مهندسی داده وارد شوید، این دوره دقیقاً مهارتهای مورد نیاز در پلتفرمهای داده مدرن را در اختیار شما قرار میدهد.
با درک چگونگی طراحی و پیادهسازی پایپ لاین های داده مقیاسپذیر شروع میکنید. سپس تجربه عمیق عملی با Delta Lake را، از جمله تراکنشهای ACID، اعمال اسکیما، تکامل اسکیما و سفر در زمان به دست میآورید. همچنین یاد میگیرید چگونه هر دو نوع پایپ لاین های ورود داده دستهای و جریانی را با استفاده از Auto Loader و Structured Streaming پیادهسازی کنید.
این دوره تبدیل داده با Spark DataFrameها و SQL را پوشش میدهد و همچنین پیادهسازی معماری Medallion - برنز، نقره، طلا (Bronze ،Silver ،Gold) را برای ساخت پایپ لاین های قابل اعتماد و قابل نگهداری آموزش میدهد. همچنین Unity Catalog را برای حاکمیت داده، امنیت و کنترل دسترسی؛ مؤلفهای ضروری برای راهکارهای سازمانی بررسی خواهید کرد.
برای اطمینان از عملکرد بهینه، تکنیکهای کلیدی بهینهسازی مانند پارتیشنبندی، مرتبسازی Z، کشینگ و تیونینگ کوئری را یاد میگیرید و همچنین نظارت و عیبیابی بارهای کاری Databricks را تمرین میکنید.
در پایان این دوره، شما کاملاً برای قبولی در آزمون DP-750 آماده خواهید بود و مهارتهای عملی لازم برای طراحی، ساخت و بهینهسازی راهکارهای مهندسی داده با Azure Databricks در محیطهای واقعی را خواهید داشت.
این دوره برای چه کسانی مناسب است؟
- مهندسان داده که برای گواهینامه DP-750: Azure Databricks Data Engineer Associate آماده میشوند.
- توسعهدهندگان و تحلیلگرانی که میخواهند با Azure Databricks پایپ لاین های داده مقیاسپذیر بسازند.
- متخصصانی که با تمرکز بر Spark و Delta Lake به نقشهای مهندسی داده منتقل میشوند.
- متخصصان Azure که به دنبال تجربه عملی با Databricks ،Unity Catalog و گردشکارهای داده هستند.
آمادگی برای آزمون DP-750: Azure Databricks Data Engineer Associate
-
مقدمه 02:44
-
مقدمهای بر Azure Databricks 13:12
-
معماری یکپارچهسازی Azure و Databricks 04:51
-
آزمایشگاه: استقرار یک فضای کاری Databricks (آزمایشگاه عملی) 07:27
-
درک انبار داده، دریاچه داده و Data Lakehouse 08:56
-
درک Spark: مقدمه و تکامل از Hadoop 10:51
-
درک Spark: بررسی عمیق و کاربرد 14:54
-
آزمایشگاه: استقرار یک نمونه محاسباتی مدیریتشده (آزمایشگاه عملی) 05:26
-
تصمیم معماری: انتخاب یک هدف محاسباتی مناسب 09:41
-
آزمایشگاه: راهاندازی مخزن GitHub برای آزمایشگاهها (آزمایشگاه عملی) 03:05
-
Unity Catalog: اسکیماها، جدولها و Volumes 14:11
-
آزمایشگاه: آشنایی بیشتر با Spark (آزمایشگاه عملی) 19:22
-
آزمایشگاه: عملیات پیشرفته Apache Spark (آزمایشگاه عملی) 09:38
-
آزمایشگاه: عملیات روی جدول Delta (آزمایشگاه عملی) 15:50
-
مقدمهای بر معماری Medallion 05:16
-
آزمایشگاه: پیادهسازی معماری مدال با Spark (آزمایشگاه عملی) 14:49
-
Views: مادیشده در برابر غیرمادیشده 08:00
-
آزمایشگاه: ایجاد نماهای مادیشده و غیرمادیشده (آزمایشگاه عملی) 18:19
-
مقدمهای بر AI/BI Genie برای تحلیل داده 04:58
-
آزمایشگاه: کار با AI/BI Genie (آزمایشگاه عملی) 10:07
-
مقدمهای بر احراز هویت هویت مدیریتشده برای Databricks 05:32
-
آزمایشگاه: ایجاد یک اتصال خارجی برای ADLS (آزمایشگاه عملی) 14:06
-
آزمایشگاه: ایجاد یک Unity Catalog جدید روی موقعیت خارجی در ADLS (آزمایشگاه عملی) 05:42
-
درک Azure Key Vault 05:01
-
آزمایشگاه: یکپارچهسازی Key Vault با Azure Databricks (آزمایشگاه عملی) 15:03
-
درک دسترسی و امنیت در سطح جدول، ستون و سطر 08:30
-
آزمایشگاه: امنیت سطح سطر و سطح ستون برای جدولها (آزمایشگاه عملی) 12:21
-
آزمایشگاه: امنیت سطح سطر و سطح ستون برای Views (آزمایشگاه عملی) 07:26
-
انتخاب قالب جدول داده: Parquet ،Delta ،CSV ،JSON ،Iceberg و غیره 13:50
-
جدولهای مدیریتشده در برابر جدولهای خارجی 08:28
-
آزمایشگاه: کار با جدولهای مدیریتشده و خارجی (آزمایشگاه عملی) 16:10
-
طراحی اسکیما پارتیشنبندی داده 10:44
-
آزمایشگاه: تیونینگ عملکرد با پارتیشنبندی داده (آزمایشگاه عملی) 08:01
-
درک فرمان OPTIMIZE 03:24
-
درک فرمان VACUUM 05:07
-
آزمایشگاه: تیونینگ عملکرد با OPTIMIZE و VACUUM (آزمایشگاه عملی) 12:14
-
درک مرتبسازی Z و خوشهبندی مایع 10:54
-
آزمایشگاه: تیونینگ عملکرد با مرتبسازی Z و خوشهبندی مایع (آزمایشگاه عملی) 11:27
-
درک مدل اسکیمای ستارهای برای مدلسازی داده 08:35
-
مقدمهای بر ابعاد با تغییر آرام (SCD): نوع 1، نوع 2 و نوع 3 15:19
-
مقدمهای بر پروژه کوچک 06:25
-
آزمایشگاه: پیادهسازی SCD نوع 2 (آزمایشگاه عملی) 25:05
-
آزمایشگاه: پیادهسازی خوراک تغییر داده و مسیر حسابرسی (آزمایشگاه عملی) 14:39
-
چشمانداز ورود داده در Databricks 07:47
-
مقدمهای بر ورود داده با Lakeflow Connect 04:47
-
آزمایشگاه: ورود داده با استفاده از اتصالدهندهها (آزمایشگاه عملی) 02:36
-
مقدمهای بر ورود داده با نوتبوکها 04:03
-
آزمایشگاه: ورود داده با نوتبوکها (آزمایشگاه عملی) 11:53
-
مقدمهای بر ورود داده با کوئری CTAS 05:19
-
آزمایشگاه: ورود داده با CTAS (آزمایشگاه عملی) 11:22
-
مقدمهای بر ورود داده با کوئری COPY INTO 06:06
-
آزمایشگاه: ورود داده با 12:05
-
مقدمهای بر جریانسازی ساختاریافته Spark 05:14
-
آزمایشگاه: ورود داده با جریانسازی ساختاریافته Spark (آزمایشگاه عملی) 11:50
-
مقدمهای بر ورود داده با Auto Loader 06:35
-
Auto Loader در برابر COPY INTO 04:04
-
آزمایشگاه: ورود داده با Auto Loader (آزمایشگاه عملی) 13:10
-
اعمال چارچوب تصمیمگیری برای ورود داده 03:59
-
مقدمهای بر پروفایلسازی داده و بینشهای آماری 07:49
-
آزمایشگاه: پروفایلسازی داده برای تولید بینشهای آماری (آزمایشگاه عملی) 11:46
-
درک انواع داده، مدیریت Null و حذف Deduplication 10:11
-
آزمایشگاه: انواع داده، مدیریت Null و Deduplication (آزمایشگاه عملی) 20:46
-
آزمایشگاه: تجمیعها، فیلترها و سازوکارهای گروهبندی (آزمایشگاه عملی) 12:08
-
مقدمهای بر JOINها 10:33
-
آزمایشگاه: کار با JOINها (آزمایشگاه عملی) 20:35
-
درک نرمالسازی و Pivoting داده جدول 07:14
-
آزمایشگاه: Pivot و Un-Pivoting داده (آزمایشگاه عملی) 06:11
-
مقدمهای بر پایپ لاین های داده با نوتبوکها و SDPها 10:15
-
آزمایشگاه: ایجاد یک پایپ لاین با استفاده از نوتبوکها (آزمایشگاه عملی) 19:02
-
آزمایشگاه: افزودن پارامترهای پایپ لاین (آزمایشگاه عملی) 08:06
-
آزمایشگاه: ایجاد یک پایپ لاین با رویکرد SDP (آزمایشگاه عملی) 17:36
-
مقدمهای بر Git برای Azure Databricks 06:39
-
برخی اصطلاحات Git و GitHub 08:17
-
آزمایشگاه: ثبت Pull Request و مدیریت تعارضها (آزمایشگاه عملی) 09:15
-
مقدمهای بر بستههای اتوماسیون اعلانی (DABs) 04:02
-
آزمایشگاه: راهاندازی یک DAB در فضای کاری شما (آزمایشگاه عملی) 09:18
مشخصات آموزش
آمادگی برای آزمون DP-750: Azure Databricks Data Engineer Associate
- تاریخ به روز رسانی: 1405/04/12
- سطح دوره:متوسط
- تعداد درس:76
- مدت زمان :12:36:13
- حجم :5.49GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy