مهندسی داده پیشرفته
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ایجاد و مدیریت پایپ لاین های داده و چرخه عمر آنها
- اتصال و کار با صفهای پیام برای مدیریت پردازش دادهها
- استفاده از پایگاههای داده برداری، گراف و کلید/مقدار برای ذخیرهسازی داده در مقیاس
توضیحات دوره
در این دوره پیشرفته، شما مهارتهای عملی در مقیاسدهی سیستمهای مهندسی داده با استفاده از ابزارها و تکنیکهای پیشرفته را کسب خواهید کرد. این دوره برای دانشمندان داده، مهندسان داده و هر فردی که درک اولیه از مدیریت داده دارد طراحی شده است و تمایل دارد مهارتهای خود را بهبود بخشد تا بتواند به طور موثرتری به مدیریت مجموعههای داده بزرگتر و پیچیدهتر بپردازد.
در طول دوره، شما کاربرد تکنولوژیهایی مانند Celery با RabbitMQ برای consume داده مقیاسپذیر، Apache Airflow برای مدیریت بهینه گردش کار و پایگاههای داده برداری و گراف برای مدیریت داده در مقیاس بالا را یاد خواهید گرفت.
این دوره با پروژههای عملی که تجربه واقعی را ارائه میدهند به پایان خواهد رسید، جایی که شما مهارتهای آموختهشده خود را در حل چالشهای مهندسی داده به کار خواهید بست. شما نه تنها یاد خواهید گرفت که چگونه سیستمهای داده مقیاسپذیر ایجاد کنید، بلکه به تحلیل عملکرد آنها و انجام تنظیمات لازم برای دستیابی به نتایج بهینه نیز خواهید پرداخت.
این تجربه باارزش در تکنیکهای پیشرفته مهندسی داده شما را برای وظایف چالشبرانگیز در مدیریت مجموعه داده های بزرگ، سادهسازی جریانهای کار پیچیده و بهینهسازی عملیات داده برای کسبوکارهای هر مقیاس آماده خواهد کرد.
مهندسی داده پیشرفته
-
ملاقات با مدرس خود: آلفردو دزا 1:41
-
درباره این دوره 2:51
-
مقدمه 1:08
-
مروری بر صفها 5:36
-
Celery چیست؟ 3:10
-
موارد استفاده RabbitMQ 3:25
-
مروری بر یک اپلیکیشن Flask و Celery 3:54
-
خلاصه 1:51
-
مقدمه 0:52
-
پیکربندی Celery با Flask 4:40
-
اتصال Celery با RabbitMQ 5:45
-
تعریف یک تسک Celery در Flask 3:22
-
تسک Fire and forget در Flask 2:31
-
دریافت مقادیر از تسک غیرهمزمان 3:44
-
خلاصه 1:53
-
مروری بر MySQL 2:59
-
MySQL از طریق ترمینال 3:26
-
آرشیو و حذف پایگاه داده 5:23
-
ایمپورت کردن پایگاه داده خارجی Sakila 7:10
-
تغییر پایگاه داده Sakila 4:38
-
پایپ لاین های Bash با MySQL 5:06
-
وب سرور MySQL به کتابخانه استاندارد Python 4:00
-
با مدرس خود در ارتباط باشید None
-
ملاقات با مدرس خود: نوح گیفت None
-
ساختار دوره و آداب بحث None
-
اصطلاحات کلیدی None
-
مقدمهای بر Celery None
-
استفاده از RabbitMQ با Docker None
-
آزمایشگاه خارجی: راهاندازی RabbitMQ در یک محیط توسعه None
-
اصطلاحات کلیدی None
-
ساخت یک وب اپلیکیشن با استفاده از Python و Flask None
-
تسک پسزمینه با Celery None
-
آزمایشگاه خارجی: افزودن یک تسک جدید Celery برای RabbitMQ None
-
اصطلاحات کلیدی None
-
آغاز کار با MySQL None
-
تأمل بر درس None
-
مقدمه 1:26
-
Apache Airflow چیست؟ 6:53
-
نصب Apache Airflow از PyPI 5:20
-
استفاده از Apache Airflow با Docker 6:22
-
بررسی رابط کاربری Airflow 6:41
-
مقدمه 0:52
-
بررسی گراف جهتدار غیرمدور (DAG) 10:53
-
ایجاد DAG 7:39
-
اجرای backfill 4:42
-
تست و اعتبارسنجی 7:25
-
خلاصه 0:38
-
مقدمه 1:02
-
شناسایی یک تسک برای ساخت یک DAG 4:40
-
دریافت دادههای دور 4:42
-
تمیز کردن و نرمالسازی دادهها 4:12
-
بررسی رابط کاربری برای نتایج 4:31
-
خلاصه 1:08
-
اصطلاحات کلیدی None
-
Apache Airflow چیست؟ None
-
بررسی رابط کاربری Airflow None
-
آزمایشگاه خارجی: نصب Apache Airflow None
-
تأمل بر درس None
-
اصطلاحات کلیدی None
-
آزمایشگاه خارجی: ایجاد یک DAG None
-
مروری بر معماری None
-
تأمل بر درس None
-
اصطلاحات کلیدی None
-
آزمایشگاه خارجی: ساخت یک پایپ لاین داده برای دادههای سرشماری None
-
ایجاد پایپ لاین های داده با Apache Airflow None
-
تأمل بر درس None
-
انتخاب پایگاه داده مناسب 3:28
-
پایگاههای داده برداری چیستند و چگونه کار میکنند؟ 2:10
-
پیادهسازی جستجوی معنایی 4:33
-
شروع سریع Qdrant 3:04
-
کلاینت Rust Qdrant 3:04
-
معماریهای پایگاه داده برداری 2:05
-
آزمایشگاه عملی: تقویت جستجوی معنایی 3:06
-
مدلهای داده گراف و مفاهیم پایگاه داده 2:24
-
مقدمهای بر Amazon Neptune 2:58
-
الگوریتمهای گراف: مرکزیت گراف UFC در Rust 4:12
-
تشخیص جامعه Kosaraju در گرافها 4:14
-
کوتاهترین مسیر با گرافها 3:27
-
کامپوننت های کلیدی ابزار CLI Rust 1:32
-
راهنمای آزمایشگاه: ساخت ابزار CLI گراف Rust 2:41
-
اصطلاحات کلیدی None
-
پایگاهداده برداری چیست؟ None
-
آزمایشگاه خارجی: اجرای سریع Qdrant None
-
آزمایشگاه خارجی: گسترش جستجوی معنایی None
-
شاخص جکارد None
-
تأمل بر درس None
-
اصطلاحات کلیدی None
-
Rust CLI با Clap None
-
آزمایشگاه خارجی: ابزار CLI گراف Rust None
-
Amazon Neptune None
-
تأمل بر درس None
-
یادگیری AWS CloudShell برای توسعه Dynamo 4:24
-
یادگیری AWS CodeCatalyst برای توسعه Dynamo 5:21
-
استفاده از AWS CodeWhisperer برای توسعه Dynamo 4:09
-
ایجاد یک جدول با CLI 1:22
-
Populate کردن یک جدول با رکوردهای دستهای 1:24
-
کوئری از یک جدول با رکوردها 2:02
-
راهنمای پروژه 2:24
-
مقدمه 1:01
-
مروری بر الزامات یک پایپ لاین 3:52
-
استفاده از SqlAlchemy با Pandas 6:09
-
پایداری داده در یک تسک 6:05
-
بررسی نتایج 4:43
-
خلاصه 1:30
-
اصطلاحات کلیدی None
-
Amazon CodeCatalyst None
-
None None
-
تأمل بر درس None
-
اصطلاحات کلیدی None
-
شروع سریع برای SQLAlchemy None
-
بررسی و تحلیل دادهها با Python None
-
تأمل بر درس None
-
گامهای بعدی پیشنهادی None
مشخصات آموزش
مهندسی داده پیشرفته
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:113
- مدت زمان :04:05:35
- حجم :567.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy