دوره آموزشی
دوبله زبان فارسی
سیستمهای منبع، جذب داده و پایپلاینها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- نیازهای ذینفعان را جمعآوری کرده و آنها را به الزامات سیستم ترجمه میکنید.
- یک فرآیند جذب داده دستهای و استریمینگ را در AWS پیاده میکنید تا داده را از سیستمهای منبع مختلف جذب کنید.
- جنبههای امنیت، مدیریت داده، DataOps و ارکستراسیون را در سیستمهای دادهای که میسازید یکپارچه میکنید.
توضیحات دوره
در این دوره، شما انواع مختلف سیستمهای منبع را بررسی می کنید و یاد میگیرید که چگونه داده را تولید و بروزرسانی میکنند و مشکلات رایجی را که ممکن است هنگام تلاش برای اتصال به این سیستمهای واقعی با آن مواجه میشوید، عیبیابی خواهید کرد. شما به جزئیات الگوهای رایج جذب داده میپردازید و پایپلاینهای دستهای و استریمینگ را پیاده خواهید کرد.
شما پایپلاینهای داده خود را با استفاده از زیرساخت به عنوان کد و ابزارهای پایپلاین به عنوان کد خودکارسازی و ارکستره خواهید کرد. شما همچنین با AWS و ابزارهای متنباز برای نظارت بر سیستمهای داده و کیفیت داده آشنا خواهید شد.
سیستمهای منبع، جذب داده و پایپلاینها
-
به دوره 2 خوش آمدید 5:52
-
بررسی دوره 2 1:44
-
انواع مختلف سیستمهای منبع 7:05
-
پایگاهدادههای رابطهای 7:23
-
پرسوجوهای SQL 7:12
-
پایگاه دادههای NoSQL 6:33
-
انطباق با ACID پایگاهداده 6:09
-
بررسی لابراتوار - تعامل با پایگاه داده NoSQL Amazon DynamoDB 6:58
-
ذخیرهسازی آبجکت 4:43
-
لاگها 4:40
-
سیستمهای استریمینگ 7:08
-
بررسی کلی درس 2:49
-
اتصال به سیستمهای منبع 3:38
-
مبانی IAM و مجوزها 7:29
-
مبانی شبکهسازی در ابر 4:21
-
بررسی شبکهسازی AWS - بررسی VPCs و Subnets 11:13
-
شبکهسازی AWS - درگاه اینترنت و درگاه NAT 7:26
-
شبکهسازی AWS - جداول مسیر 6:08
-
شبکهسازی AWS - بررسی ACLs شبکه و گروههای امنیت 7:16
-
بررسی لابراتوار - عیبیابی اتصالپذیری پایگاه داده در AWS 13:29
-
خلاصه هفته 1 1:19
-
سیلابس دوره None
-
[مهم] دستورالعملها قبل از راهاندازی لابراتوارها در این دوره None
-
[اختیاری] سوالات متداول درباره محیط لابراتوار ویژوال استودیو کد None
-
[مهم] سوال، مشکل یا ایده دارید؟ به فروم ما بپیوندید! None
-
[اختیاری] اتصال به پایگاه داده MySQL Amazon RDS None
-
مبانی AWS IAM None
-
[اختیاری] بررسی شبکهسازی AWS - معرفی VPC None
-
منابع هفته 1 None
-
نکات درسی هفته 1 None
-
بررسی هفته 2 2:43
-
جذب داده به صورت پیوسته 6:18
-
گفتگو با یک تحلیلگر بازاریابی 4:28
-
ETL در مقابل ELT 7:31
-
API REST 3:50
-
بررسی لابراتوار - پردازش دستهای برای دریافت داده از یک API 10:27
-
گفتگو با مهندس نرمافزار 5:08
-
جزئیات جذب داده استریمینگ 5:46
-
جزئیات استریمهای داده Kinesis 5:35
-
بررسی لابراتوار - جذب داده استریمینگ 5:48
-
خلاصه هفته 2 2:20
-
ابزارهای دستهای و استریمینگ None
-
خلاصه تفاوتها - ETL در مقابل ELT None
-
ثبت تغییرات داده (CDC) چیست؟ None
-
خلاصه - ملاحظات کلی برای انتخاب ابزارهای جذب داده None
-
منابع هفته 2 None
-
نکات درسی هفته 2 None
-
بررسی هفته 3 3:13
-
[اختیاری] گفتگو با کریس برگ 13:45
-
اتوماسیون DataOps 4:13
-
زیرساخت به عنوان کد 6:36
-
Terraform - ایجاد نمونه EC2 9:33
-
Terraform - تعریف متغیرها و خروجیها 6:08
-
Terraform - تعریف منابع داده و ماژولها 6:51
-
بررسی لابراتوار - پیادهسازی DataOps با Terraform 8:26
-
مشاهدهپذیری داده 5:08
-
[اختیاری] گفتگو با بار موسی 16:06
-
نظارت بر کیفیت داده 3:58
-
[اختیاری] گفتگو با ابی گونگ 7:01
-
انتظارات بزرگ - کامپوننتهای اصلی 4:09
-
انتظارات بزرگ - مثال گردش کار 6:43
-
[اختیاری] گفتگو با چاد ساندرسون 14:23
-
Amazon CloudWatch 4:53
-
خلاصه هفته 3 1:25
-
[اختیاری] مثال اضافی از پیکربندی Terraform - تمرین None
-
[اختیاری] نکاتی درباره لابراتوار تمرینی 1 None
-
[اختیاری] نکات کلیدی گفتگو و نکات اضافی None
-
منابع هفته 3 None
-
نکات درسی هفته 3 None
-
بررسی هفته 4 2:30
-
قبل از ارکستراسیون 5:38
-
تکامل ابزارهای ارکستراسیون 4:30
-
مبانی ارکستراسیون 4:17
-
Airflow - کامپوننتهای اصلی 3:30
-
Airflow - رابط کاربری Airflow 4:28
-
Airflow - ایجاد یک DAG 6:18
-
Airflow - XCom و متغیرها 6:39
-
Airflow - بررسی API Taskflow 5:13
-
ارکستراسیون در AWS 5:08
-
خلاصه دوره 2 1:44
-
نکات اضافی درباره مفاهیم اولیه Airflow None
-
بهترین شیوهها برای نوشتن Airflow DAGs None
-
مثالی از برنچینگ در Airflow None
-
قدردانیها None
-
نکات درسی هفته 4 None
مشخصات آموزش
سیستمهای منبع، جذب داده و پایپلاینها
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:85
- مدت زمان :06:02:55
- حجم :2.27GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy