پروژه Capstone در مهندسی داده
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- نمایش تخصص در مهارتهای مورد نیاز برای نقش مهندسی داده در سطح مقدماتی
- طراحی و پیادهسازی مفاهیم و کامپوننتهای مختلف در چرخه عمر مهندسی داده مانند مخازن داده
- نمایش دانش عملی درباره پایگاه دادههای رابطهای، دیتااستورهای NoSQL، موتورهای کلان داده، انبارهای داده و پایپلاینهای داده
- اعمال مهارتها در اسکریپتنویسی شل لینوکس، SQL و زبانهای برنامهنویسی پایتون روی مسائل مهندسی داده
توضیحات دوره
شما مهارتهای خود را در این پروژه مهندسی داده به نمایش میگذارید. در این دوره شما انواع مهارتها و تکنیکهای مهندسی داده را که به عنوان بخشی از دورههای قبلی در گواهینامه IBM Data Engineering Professional Certificate یاد گرفتهاید، به کار خواهید گرفت
شما دانش خود را در زمینه مهندسی داده با پذیرش نقش مهندس داده تازه کار که به تازگی به یک سازمان پیوسته، نشان خواهید داد و با یک یوزکیس واقعی مواجه خواهید شد که نیاز به طراحی و پیادهسازی پلتفرم تحلیل داده دارد.
در این پروژه Capstone، شما لابراتوارهای عملی متعددی را تکمیل خواهید کرد. شما مخازن داده را با پایگاه دادههای رابطهای و NoSQL مانند MySQL و MongoDB ایجاد و کوئری خواهید کرد. شما همچنین یک انبار داده طراحی کرده و با PostgreSQL و IBM Db2 آن را populate خواهید کرد و کوئریهایی برای انجام عملیاتهای Cube و Rollup خواهید نوشت.
شما گزارشهایی از داده موجود در انبار داده تولید کرده و یک داشبورد با Cognos Analytics خواهید ساخت. همچنین تخصص خود را در فرآیندهای استخراج، تبدیل و بارگذاری (ETL) با ایجاد پایپلاینهای داده برای انتقال داده از مخازن مختلف به نمایش خواهید گذاشت. شما تحلیل کلان داده را با آپاچی اسپارک انجام داده و با کمک مدل یادگیری ماشین پیشبینیها را ایجاد خواهید کرد.
این دوره آخرین دوره در گواهینامه IBM Data Engineering Professional Certificate است. پیشنهاد میشود که قبل از شروع دوره، تمام دورههای قبلی در این گواهینامه حرفهای را تکمیل کنید.
پروژه Capstone در مهندسی داده
-
آشنایی با پروژه Capstone 4:09
-
بررسی تکلیف 1:32
-
بررسی تکلیف - کوئری داده در پایگاه دادههای NoSQL 1:16
-
بررسی تکلیف - طراحی و راهاندازی انبار داده 2:26
-
بررسی تکلیف - گزارشدهی از انبار داده 1:48
-
اطلاعات لابراتوار اختیاری None
-
بررسی تکلیف 1:28
-
(اختیاری) - درباره این درس اختیاری با Looker Studio None
-
(اختیاری) - شروع کار با Google Looker Studio None
-
(اختیاری) - ایجاد مصورسازیها در گزارشها با Looker Studio None
-
(اختیاری) - خلاصه و نکات برجسته None
-
بررسی تکلیف نهایی None
-
بررسی تکلیف - پایپلاینهای داده با Apache Airflow 1:39
-
بررسی تکلیف - تحلیل کلان داده با اسپارک 0:53
-
تبریک و مراحل بعدی None
-
تشکر از تیم دوره None
مشخصات آموزش
پروژه Capstone در مهندسی داده
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:پیشرفته
- تعداد درس:16
- مدت زمان :17:35
- حجم :29.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy