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
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