اسپارک، هدوپ و Snowflake برای مهندسی داده

آنچه یاد خواهید گرفت:

• ایجاد پایپ‌لاین‌های داده مقیاس‌پذیر (هدوپ، اسپارک، Snowflake و Databricks) برای مدیریت کارآمد داده
• بهینه‌سازی مهندسی داده با خوشه‌بندی و مقیاس‌بندی برای بهبود عملکرد و استفاده از منابع
• ساخت راه‌حل‌های یادگیری ماشین (PySpark و MLFlow) در Databricks برای توسعه و استقرار یکنواخت مدل
• پیاده‌سازی شیوه‌های DataOps و DevOps برای یکپارچه‌سازی و استقرار مداوم (CI و CD) اپلیکیشن‌های داده‌محور، از جمله اتوماسیون فرآیندها

توضیحات دوره

این دوره عمدتاً برای دانشجویان سال‌های اول و دوم رشته‌های مهندسی یا علوم، به همراه دانش‌آموزان دبیرستان و متخصصانی طراحی شده است که به برنامه‌نویسی علاقه‌مند هستند. مهارت‌های لازم برای ساخت پایپ‌لاین‌های داده کارآمد و مقیاس‌پذیر را کسب کنید. به بررسی پلتفرم‌های اساسی مهندسی داده (هدوپ، اسپارک و Snowflake) بپردازید و یاد بگیرید چگونه آن‌ها را بهینه‌سازی و مدیریت کنید. با Databricks، یک پلتفرم قدرتمند برای اجرای تحلیل داده و تسک‌های یادگیری ماشین، آشنا شوید و مهارت‌های علم داده پایتون خود را با PySpark تقویت کنید. در نهایت، با مفاهیم کلیدی MLflow، یک پلتفرم متن باز برای مدیریت چرخه عمر end-to-end یادگیری ماشین، آشنا شوید و یاد بگیرید چگونه آن را با Databricks یکپارچه‌سازی کنید.

این دوره برای دانشجویانی که می‌خواهند در زمینه علم داده یا مهندسی داده پیشرفت کنند یا شغلی را در این زمینه‌ها دنبال کنند یا برای توسعه‌دهندگان نرم‌افزار یا مهندسانی که می‌خواهند مجموعه مهارت‌های مدیریت داده خود را گسترش دهند، طراحی شده است،. علاوه بر فناوری‌هایی که یاد می‌گیرید، متدولوژی‌هایی را نیز یاد خواهید گرفت که به شما در تقویت مهارت‌های مدیریت پروژه و گردش‌کار برای مهندسی داده کمک خواهند کرد که شامل اعمال متدولوژی‌ها و بهترین شیوه‌های کایزن، DevOps و DataOps است.

این دوره جامع با آزمون‌هایی برای محک زدن دانش شما در طول دوره، شما را در مسیر یادگیری برای تبدیل شدن به یک مهندس داده توانمند و آماده شدن برای مواجهه با چالش‌های دنیای داده محور امروزی کمک و راهنمایی خواهد کرد.