اصول مهندسی داده گوگل کلود
✅ سرفصل و جزئیات آموزش
درک سطح بالایی از ابزارهای Google Cloud برای پروژه های مهندسی داده کسب کنید.
این دوره یک بررسی از تمام ابزارها و تکنیک های مهندسی داده به کار گرفته شده با Google Cloud ارائه می دهد. مدرس Bhavani Ravi جنبه های مهم مفاهیم مهندسی داده مانند (جذب، تبدیل و تحلیل) را از چشم Google Cloud Platform پوشش می دهد. Bhavani ابتدا به اصول مهندسی داده می پردازد، سپس به مفاهیم ذخیره سازی داده های Google Cloud می پردازد و انواع مختلف گزینه های Google Cloud Storage و زمان استفاده از هر کدام را توضیح می دهد.
سپس، در مورد پایپ لاین های داده Google Cloud، موارد استفاده مربوط به آنها و دلایل استفاده از پایپ لاین ها در گردش کار مهندسی داده، اطلاعات کسب کنید. در این دوره آموزشی به Bhavani بپیوندید؛ اگر به دنبال کسب اطلاعات بیشتر در مورد طیف مهندسی داده هستید و اینکه یاد بگیرید چگونه می توان مشکلات داده را با شناسایی ابزار مناسب گوگل برای این کار حل کرد.
اصول مهندسی داده گوگل کلود
-
آشنایی با مهندسی داده در Google Cloud 0:00:35
-
یک چک لیست سریع 0:01:00
-
مهندسی داده چیست 0:01:39
-
اکوسیستم مهندسی داده 0:02:19
-
بررسی ابزارها و اصطلاحات 0:04:20
-
در این دوره چیست؟ 0:02:39
-
راه اندازی مخزن 0:04:46
-
گزینه های ذخیره سازی داده 0:04:23
-
Google Cloud Storage (GCS) 0:05:04
-
GCS با پایتون 0:06:20
-
BigQuery 0:06:51
-
BigQuery با پایتون 0:07:17
-
انواع مختلف پاپ لاین های داده و موارد استفاده از آنها 0:02:40
-
Dataproc 0:08:16
-
PySpark در Dataproc 0:09:20
-
Pub و Sub در Google Cloud 0:08:08
-
Cloud Dataflow 0:14:38
-
Cloud Composer چیست؟ 0:14:37
-
نوشتن پاپ لاین Airflow 0:10:01
-
گام های بعدی 0:02:43
مشخصات آموزش
اصول مهندسی داده گوگل کلود
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:20
- مدت زمان :1:57:36
- حجم :239.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy