دوره آموزشی
آموزش های Coursera
دوبله زبان فارسی

آشنایی با مهندسی داده

آشنایی با مهندسی داده

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • کسب درک جامع از چرخه عمر مهندسی داده و undercurrents آن
  • جمع‌آوری نیازهای ذینفعان و تبدیل آنها به الزامات سیستم
  • طراحی و پیاده‌سازی پایپ‌لاین‌های داده‌ دسته‌ای و استریمینگ در AWS

توضیحات دوره

در این دوره، با چرخه عمر مهندسی داده، از تولید داده در سیستم‌های منبع، تا جذب، تبدیل، ذخیره‌سازی و ارائه داده به ذینفعان پایین‌دست آشنا خواهید شد. شما به مطالعه undercurrents کلیدی که بر همه مراحل چرخه تاثیر می‌گذارند، خواهید پرداخت و شروع به توسعه یک چارچوب برای تفکر به‌ عنوان مهندس داده خواهید کرد. برای کسب تجربه عملی، نیازهای ذینفعان را جمع‌آوری کرده، آن نیازها را به الزامات سیستم تبدیل کرده و ابزارها و فناوری‌هایی را برای ساخت سیستم‌هایی که ارزش کسب وکار ایجاد کنند، انتخاب خواهید کرد. در پایان دوره، قادر خواهید بود پایپ‌لاین‌های داده‌ دسته‌ای و استریمینگ را برای ارائه توصیه‌های محصول در AWS cloud اسپین کنید.

آشنایی با مهندسی داده

  • به مهندسی داده خوش آمدید 6:55
  • بررسی دوره 1 5:35
  • تعریف مهندسی داده 6:39
  • [اختیاری] تاریخچه‌ مختصر از مهندسی داده 7:44
  • مهندس داده در میان سایر ذینفعان 4:54
  • [اختیاری] ارزش کسب وکار 4:32
  • الزامات سیستم 3:42
  • [اختیاری] گفتگو با سول راشیدی 11:51
  • [اختیاری] گفتگو با جوردن مرو 5:15
  • گفتگو برای جمع‌آوری الزامات 10:36
  • تبدیل نیازهای ذینفعان به الزامات خاص 6:42
  • تفکر به‌ عنوان مهندس داده 5:30
  • مهندسی داده در ابر 3:46
  • آشنایی با مورگان ویلیس 3:42
  • آشنایی با AWS Cloud 5:20
  • آشنایی با سرویس‌های اصلی AWS 9:05
  • بررسی کنسول مدیریت AWS 6:49
  • خلاصه هفته 1 2:17
  • سیلابس برنامه None
  • قدردانی‌ها None
  • [مهم] سؤال، مشکل یا ایده‌ای دارید؟ به فروم ما بپیوندید! None
  • AWS Regions و Availability Zones None
  • رایانش - Amazon Elastic Compute Cloud (EC2) None
  • شبکه‌سازی - ابر خصوصی مجازی (VPC) و Subnets None
  • امنیت - مدل مسئولیت مشترک AWS None
  • [اختیاری] ایجاد حساب AWS None
  • نکات درسی هفته 1 None
  • منابع هفته 1 None
  • بررسی هفته 2 1:41
  • تولید داده در سیستم‌های منبع 4:47
  • جذب داده 4:37
  • ذخیره‌سازی 6:44
  • کوئری ها، مدل‌سازی و تبدیل 5:55
  • ارائه داده 5:36
  • آشنایی با Undercurrents 1:27
  • امنیت 5:05
  • مدیریت داده 4:03
  • معماری داده 6:32
  • DataOps 7:47
  • ارکستراسیون 5:41
  • مهندسی نرم‌افزار 4:38
  • مقدمه درس 1:11
  • چرخه عمر مهندسی داده در AWS 4:56
  • Undercurrents در AWS 4:27
  • بررسی لابراتوار - آشنایی با لابراتوار 5:13
  • بررسی لابراتوار - راه‌اندازی لابراتوار 3:45
  • بررسی لابراتوار - پیش نمایشی از محتوای لابراتوار 7:27
  • خلاصه هفته 2 1:35
  • [مهم] راهنماها قبل از شروع لابراتوارها در دوره None
  • نکات درسی هفته 2 None
  • منابع هفته 2 None
  • بررسی هفته 3 1:17
  • معماری داده چیست؟ 5:45
  • [اختیاری] قانون کانوی 2:34
  • اصول معماری خوب داده 3:37
  • همیشه در حال معماری 3:19
  • زمانی که سیستم‌های شما شکست می‌خورند 7:34
  • معماری‌های دسته‌ای 5:06
  • معماری‌های استریمینگ 6:09
  • معماری برای انطباق 4:07
  • انتخاب ابزارها و فناوری‌ها 2:20
  • لوکیشن 2:39
  • سیستم‌های Monolith در مقابل سیستم‌های ماژولار 3:40
  • بهینه‌سازی هزینه و ارزش کسب‌وکار 7:10
  • ساخت در مقابل خرید 4:08
  • گزینه‌های رایانش سرور، کانتینر و بدون سرور 5:21
  • چگونه Undercurrents بر تصمیمات شما تاثیر می‌گذارند؟ 4:09
  • آشنایی با فریمورک خوب معماری شده AWS 1:30
  • فریمورک خوب معماری شده AWS 5:39
  • بررسی لابراتوار - آشنایی با لابراتوار 3:45
  • بررسی لابراتوار - نظارت بر وب اپلیکیشن 4:20
  • بررسی لابراتوار - اعمال اصول معماری خوب داده 10:22
  • خلاصه هفته 3 1:05
  • نکات درسی هفته 3 None
  • منابع هفته 3 None
  • بررسی هفته 4 2:54
  • الزامات 4:31
  • گفتگو با مت هاوسلی 4:55
  • گفتگو با CTO 6:07
  • گفتگو با بخش بازاریابی 6:35
  • تحلیل گفتگو با بخش بازاریابی 4:50
  • گفتگو با مهندس نرم‌افزار 8:13
  • مستندسازی الزامات غیرعملکردی 5:41
  • خلاصه جمع‌آوری الزامات 4:46
  • تمرین جمع‌آوری الزامات 2:18
  • گفتگوی پیگیری با دانشمند داده 6:24
  • سرویس‌های AWS برای پایپ‌لاین‌های دسته‌ای 9:04
  • سرویس‌های AWS برای پایپ‌لاین‌های استریمینگ 6:55
  • بررسی لابراتوار - پیاده‌سازی پایپ‌لاین‌ دسته‌ای 6:04
  • بررسی لابراتوار - راه‌اندازی پایگاه داده برداری 5:23
  • بررسی لابراتوار - پیاده‌سازی پایپ‌لاین استریمینگ 4:33
  • خلاصه دوره 1 2:30
  • ترنسکریپشن گفتگو با دانشمند داده None
  • نکات کلیدی این گفتگو None
  • [اختیاری] جزئیات سیستم توصیه‌گر None
  • سرویس‌های AWS برای برآوردن الزامات شما None
  • نکات درسی هفته 4 None

2,574,000 514,800 تومان

مشخصات آموزش

آشنایی با مهندسی داده

  • تاریخ به روز رسانی: 1404/06/14
  • سطح دوره:متوسط
  • تعداد درس:97
  • مدت زمان :06:31:20
  • حجم :2.62GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

The Great Courses
1,889,000 377,800 تومان
  • زمان: 04:47:39
  • تعداد درس: 30
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
9,269,000 1,853,800 تومان
  • زمان: 23:28:00
  • تعداد درس: 170
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
7,379,500 1,475,900 تومان
  • زمان: 18:41:14
  • تعداد درس: 133
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
10,256,500 2,051,300 تومان
  • زمان: 25:58:16
  • تعداد درس: 140
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
490,000 98,000 تومان
  • زمان: 00:21:05
  • تعداد درس: 4
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
3,120,500 624,100 تومان
  • زمان: 07:54:58
  • تعداد درس: 51
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,185,000 237,000 تومان
  • زمان: 03:00:50
  • تعداد درس: 57
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
6,129,000 1,225,800 تومان
  • زمان: 15:31:30
  • تعداد درس: 18
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
4,878,000 975,600 تومان
  • زمان: 12:21:18
  • تعداد درس: 97
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید