آپاچی اسپارک یکی از پرکاربردترین فناوری ها در تجزیه و تحلیل داده های بزرگ است. در این دوره، یاد خواهید گرفت که چگونه از مهارت های SQL موجود خود برای شروع سریع کار با Spark استفاده کنید. همچنین یاد خواهید گرفت که چگونه با Delta Lake کار کنید، یک لایه ذخیره‌سازی بسیار کارآمد و منبع باز که قابلیت اطمینان را برای دریاچه‌های داده به ارمغان می‌آورد. در پایان این دوره، می‌توانید از Spark SQL و Delta Lake برای جذب، تبدیل و جستجوی داده‌ها برای استخراج بینش‌های ارزشمندی که می‌توان با تیم خود به اشتراک گذاشت، استفاده کنید.

در این دوره، خواهید دید که چگونه Azure Data Lake Storage می تواند پردازش راه حل های تحلیلی Big Data را کارآمدتر کند و راه اندازی آن چقدر آسان است. شما همچنین نحوه انطباق آن با معماری های رایج و همچنین روش های مختلف آپلود داده ها در فروشگاه داده را بررسی خواهید کرد. شما تعداد بی شماری از ویژگی های امنیتی را بررسی خواهید کرد که از ایمن بودن داده های شما اطمینان می دهند. مفاهیم پردازش رویداد و جریان داده و نحوه اعمال آن در تحلیل جریانی Azure را بیاموزید. سپس یک کار تجزیه و تحلیل جریان را برای پخش جریانی داده ها راه اندازی می کنید و یاد می گیرید که چگونه یک کار در حال اجرا را مدیریت و نظارت کنید. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). شما در یک آزمون عملی شرکت خواهید کرد که شامل مهارت های کلیدی می شود که با آزمون گواهینامه اندازه گیری می شوند. این نهمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

این دوره جنبه های مختلف هوش مصنوعی Generative یا GenAI را بررسی می کند. این دوره مقدماتی "GenAI برای همه" شما را در مورد قابلیت های مختلف هوش مصنوعی Generative آگاه می کند. در پایان این دوره، شما قادر خواهید بود در مورد مبانی هوش مصنوعی یا GenAI صحبت کنید و در مورد برخی از کاربردهای GenAI در زندگی روزمره مانند دستیاران مجازی، چت بات ها و توصیه های شخصی صحبت کنید. همچنین می‌توانید استراتژی‌های استقرار اخلاقی را بررسی کنید و یاد بگیرید که چگونه شیوه‌های مسئولانه را اعمال کنید، درباره تأثیر GenAI بر کارایی سازمانی بحث کنید، و اهمیت استقرار اخلاقی را از طریق اصول طراحی انسان محور و شیوه‌های مهندسی قوی بیاموزید.

در این دوره آموزشی، یاد خواهید گرفت که چگونه از قدرت Apache Spark و خوشه های قدرتمندی که بر روی پلتفرم Azure Databricks اجرا می شوند، برای اجرای حجم های کاری مهندسی داده های بزرگ در فضای ابری استفاده کنید. شما قابلیت های Azure Databricks و نوت بوک Apache Spark را برای پردازش فایل های عظیم کشف خواهید کرد. شما با پلتفرم Azure Databricks آشنا خواهید شد و انواع وظایف مناسب برای Apache Spark را شناسایی خواهید کرد. همچنین با معماری Azure Databricks Spark Cluster و Spark Jobs آشنا خواهید شد. شما با حجم زیادی از داده ها از منابع متعدد در قالب های خام مختلف کار خواهید کرد. شما یاد خواهید گرفت که چگونه Azure Databricks از توابع مدیریت روزانه داده مانند خواندن، نوشتن و پرس و جو پشتیبانی می کند. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). شما در یک آزمون عملی شرکت خواهید کرد که شامل مهارت های کلیدی می شود که با آزمون گواهینامه اندازه گیری می شوند. این هشتمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

دنیای داده ها تکامل یافته است و ظهور فناوری های ابری فرصت های جدیدی را برای کسب و کارها فراهم می کند. در این دوره، فناوری‌های مختلف پلتفرم داده موجود را یاد خواهید گرفت و اینکه چگونه یک مهندس داده می‌تواند از این فناوری به نفع یک سازمان استفاده کند. این دوره بخشی از یک تخصص برای مهندسین داده و توسعه دهندگانی است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند، نشان دهند. این اولین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

بسیاری از داده های جهان در پایگاه های داده زندگی می کنند. SQL (یا زبان پرس و جوی ساختاریافته) یک زبان برنامه نویسی قدرتمند است که برای برقراری ارتباط و دستکاری داده ها در پایگاه های داده استفاده می شود. دانش کاری پایگاه‌های داده و SQL برای هر کسی که می‌خواهد شغلی در مهندسی داده، انبار داده، تجزیه و تحلیل داده، علم داده یا هوش تجاری شروع کند، ضروری است. هدف از این دوره کمک به شما در یادگیری و به کارگیری دانش پایه و متوسط ​​زبان SQL و آشنایی با بسیاری از مفاهیم پایگاه داده رابطه ای (RDBMS) در طول مسیر است. شما با انجام عملیات اصلی Create، Read، Update و Delete (CRUD) با استفاده از دستورات CREATE، SELECT، INSERT، UPDATE و DELETE شروع خواهید کرد. سپس فیلتر کردن، ترتیب، مرتب‌سازی و جمع‌آوری داده‌ها را خواهید آموخت. شما با توابع کار خواهید کرد، انتخاب های فرعی و پرس و جوهای تودرتو و همچنین داده های JOIN را در چندین جدول انجام خواهید داد. شما همچنین با VIEWS، تراکنش ها و ایجاد رویه های ذخیره شده کار خواهید کرد. تاکید در این دوره بر یادگیری عملی و عملی است. به این ترتیب، شما با سیستم های پایگاه داده واقعی کار خواهید کرد، از ابزارهای واقعی و مجموعه داده های دنیای واقعی استفاده خواهید کرد. شما یک نمونه پایگاه داده در فضای ابری ایجاد خواهید کرد. از طریق یک سری از آزمایشگاه های عملی، ساخت و اجرای پرس و جوهای SQL را تمرین خواهید کرد. در پایان دوره شما درخواست داده و مهارت های خود را با یک پروژه نهایی نشان خواهید داد. مهارت های SQL که در این دوره یاد می گیرید برای انواع RDBMS ها مانند MySQL، PostgreSQL، IBM Db2، Oracle، SQL Server و غیره قابل اجرا خواهند بود. هیچ دانش قبلی از پایگاه های داده، SQL یا برنامه نویسی مورد نیاز نیست، با این حال برخی از سواد داده های اولیه مفید است.

به دوره آمادگی برای آزمون برنامه نویسی SAS Viya خوش آمدید. این سومین و آخرین دوره در تخصص برنامه نویس Coursera SAS است. شما آنچه را که در دو دوره اول آموخته اید با نوشتن کد برای اجرا در سرویس های تحلیل ابری SAS و تمرین برای آزمون های گواهینامه SAS به کار خواهید برد. این یک دوره پیشرفته است که برای زبان آموزانی در نظر گرفته شده است که دو دوره اول را در تخصص برنامه نویس Coursera SAS گذرانده اند: برنامه نویسی SAS برای محاسبات توزیع شده در SAS Viya و برنامه نویسی CASL برای محاسبات توزیع شده در SAS Viya. در پایان دوره، شما آماده شرکت در یکی از این آزمون های اعتبارسنجی SAS هستید: - SAS® Viya® Associate Programming - متخصص برنامه نویسی SAS® Viya®

این پروژه اصلی برای تخصص آمار بیزی در UC سانتا کروز است. این فرصتی است برای شما تا طیف گسترده ای از مهارت ها و دانش را در آمار بیزی نشان دهید و آنچه را که می دانید در داده های دنیای واقعی به کار ببرید. شما مفاهیم اساسی در آمار بیزی را با ویدئوهای سخنرانی و آزمون ها مرور خواهید کرد و تجزیه و تحلیل داده های پیچیده ای را انجام می دهید و گزارشی از روش ها و نتایج خود تهیه می کنید.

در این دوره آموزشی، نحوه ایجاد و مدیریت خطوط لوله داده در فضای ابری با استفاده از Azure Data Factory را خواهید آموخت. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسان و توسعه دهندگان داده است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند نشان دهند. این برای هر کسی که علاقه مند به آماده شدن برای DP-203: مهندسی داده در آزمون Microsoft Azure (بتا) ایده آل است. این سومین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

این دوره به شما دانش کار در مورد رویکرد ULEADD برای استخراج ارزش از داده ها را ارائه می دهد. ULEADD - مخفف Understand, Learn, Evaluate, Assess, Define, Design - چارچوبی برای کشف است که ساختاری برای شناسایی و استخراج ارزش از داده هایی که معمولاً از دید پنهان هستند ارائه می دهد. اگرچه این دوره بر استفاده از ULEADD با داده های تاریک تمرکز دارد، احتمالاً متوجه خواهید شد که این رویکرد در بسیاری از سناریوهای پروژه و داده مفید است.

این دوره برای کسب و کار و متخصصان داده طراحی شده است که به دنبال یادگیری اولین مرحله فنی فرآیند علم داده به نام Extract, Transform and Load یا ETL هستند. به یادگیرندگان نحوه جمع‌آوری داده‌ها از منابع متعدد آموزش داده می‌شود تا در دسترس باشد تا تبدیل و تمیز شود و سپس در مجموعه داده‌های جمع‌آوری‌شده برای آماده‌سازی و تمیز کردن داده‌ها فرو می‌روند تا بعداً بتوانند در مقصد نهایی بارگذاری شوند. در پایان دوره، فراگیران داده‌ها را در مقصد نهایی بارگذاری می‌کنند تا بتوان آن‌ها را تحلیل و مدل‌سازی کرد. دانشجوی معمولی در این دوره تجربه کار با داده ها و استعداد با برنامه نویسی کامپیوتر را خواهد داشت.

در پایان این دوره سوم در تخصص کیفیت داده کل، فراگیران قادر خواهند بود: 1. در مورد ابزارها و تکنیک های طراحی برای به حداکثر رساندن TDQ در تمام مراحل چارچوب TDQ در طول یک جمع آوری داده یا فرآیند جمع آوری داده ها بیاموزید. 2. جنبه‌هایی از فرآیند تولید یا جمع‌آوری داده را که بر TDQ تأثیر می‌گذارد، شناسایی کنید و بتوانید ارزیابی کنید که آیا و چگونه می‌توان چنین جنبه‌هایی را اندازه‌گیری کرد. 3. استراتژی‌های حداکثرسازی TDQ را که می‌توان هنگام جمع‌آوری داده‌های طراحی شده و یافت شده/ارگانیک به کار برد، درک کنید. 4. ایجاد راه حل برای مشکلات طراحی فرضی که در طول فرآیند جمع آوری داده ها یا جمع آوری و پردازش داده ها ایجاد می شود. این تخصص به طور کلی با هدف بررسی عمیق چارچوب کیفیت کل داده ها و ارائه اطلاعات بیشتر در مورد ارزیابی دقیق کیفیت کل داده ها که باید قبل از تجزیه و تحلیل داده ها اتفاق بیفتد، در اختیار یادگیرندگان قرار می دهد. هدف این است که یادگیرندگان ارزیابی های کیفیت داده ها را به عنوان یک جزء حیاتی برای همه پروژه ها در فرآیند خود بگنجانند. ما صمیمانه امیدواریم که دانش در مورد کیفیت کل داده ها را به همه فراگیران، مانند دانشمندان داده و تحلیلگران کمی، که در مراحل اولیه فرآیند علم داده که بر جمع آوری داده ها و ارزیابی کیفیت داده ها تمرکز دارد، آموزش کافی ندیده اند، منتشر کنیم. ما احساس می‌کنیم که اگر داده‌های جمع‌آوری‌شده/جمع‌آوری‌شده از کیفیت کافی برخوردار نباشند، دانش گسترده از تکنیک‌های علم داده و روش‌های تجزیه و تحلیل آماری به یک مطالعه تحقیقاتی کمی کمک نمی‌کند. این تخصص بر اولین گام‌های اساسی در هر نوع تحقیق علمی با استفاده از داده‌ها تمرکز می‌کند: تولید یا جمع‌آوری داده‌ها، درک اینکه داده‌ها از کجا آمده‌اند، ارزیابی کیفیت داده‌ها، و اقداماتی برای به حداکثر رساندن کیفیت داده‌ها قبل از انجام هر نوع تحلیل آماری یا به کارگیری تکنیک های علم داده برای پاسخ به سؤالات تحقیق. با توجه به این تمرکز، مطالب کمی در مورد تجزیه و تحلیل داده ها وجود خواهد داشت، که در بی شمار تخصص های موجود Coursera پوشش داده شده است. تمرکز اصلی این تخصص بر درک و به حداکثر رساندن کیفیت داده ها قبل از تجزیه و تحلیل خواهد بود.

این دوره برای برنامه نویس پایتون طراحی شده است که می خواهد پایه های حساب دیفرانسیل و انتگرال را برای کمک به حل مسائل چالش برانگیز توسعه دهد و همچنین دانش آموز ریاضیاتی که به دنبال یادگیری تئوری و تکنیک های عددی حساب کاربری کاربردی در پایتون است. در پایان این دوره، شما یاد خواهید گرفت که چگونه از مفاهیم اساسی حساب دیفرانسیل و انتگرال برای توسعه برنامه های کاربردی پایتون قوی استفاده کنید که انواع چالش های دنیای واقعی را حل می کند. سخنرانی‌های ویدیویی، خواندن، نمونه‌های کار شده، ارزیابی‌ها و کدهای پایتون همگی در این دوره ارائه می‌شوند. اینها برای نشان دادن تکنیک‌های حل معادلات، کار با توابع، و محاسبه و اعمال مشتقات و انتگرال‌ها استفاده می‌شوند. اگر علاقه مند به شروع توسعه مفاهیم در زمینه هایی مانند ریاضی کاربردی، علوم داده، امنیت سایبری یا هوش مصنوعی هستید یا فقط به تجدید حساب یا کدنویسی در پایتون نیاز دارید، این دوره برای شما مناسب است.

متخصصان مهندسی و تجارت اغلب به بسیاری از منابع داده دسترسی دارند. بهترین راه برای اطمینان از معتبر و قابل اعتماد بودن داده های شما این است که از قبل برای آن برنامه ریزی کنید. از طریق این کلاس، شما قادر خواهید بود برای تولید داده های دقیق و دقیق برنامه ریزی کنید، سپس از آن داده ها برای برآورد و کاهش ریسک مربوط به سرمایه گذاری های سرمایه ای استفاده کنید. این تخصص را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) ارائه شده در پلت فرم Coursera در نظر گرفت. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

دوره اکوسیستم داده به شما درک اساسی از کل اکوسیستم داده، از جمله مدیریت داده ها را می دهد. به طور خاص، این دوره نشان می دهد که چگونه یک تحلیلگر هوش تجاری می تواند داده ها را سازماندهی، دسترسی و استفاده کند. با انواع منابع داده همراه با کاربرد و هدف هر نوع آشنا خواهید شد. علاوه بر این، در مورد اهمیت کیفیت داده ها و حاکمیت داده در رابطه با مدیریت موثر داده ها یاد خواهید گرفت. همچنین در مورد اهداف مدیریت داده ها و اصولی که پایه و اساس معماری داده مدرن را تشکیل می دهند، یاد خواهید گرفت. داشتن درک کامل از اکوسیستم داده برای نقش‌های ابتدایی در تحلیل‌های تجاری مهم است. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: -هدف و کاربردهای داده های جدولی، پایگاه های داده، انبارهای داده، دریاچه های داده و ETL ها را شرح دهید. -اهمیت کیفیت داده ها و حاکمیت داده ها را در ارتباط با مدیریت داده ها شرح دهید. -اهداف مدیریت داده را شناسایی کنید. - شناسایی اصولی که شالوده معماری داده مدرن را تشکیل می دهند.

در پایان این دوره دوم در تخصص کیفیت داده کل، فراگیران قادر خواهند بود: 1. معیارهای مختلفی را برای ارزیابی کیفیت داده کل (TDQ) در هر مرحله از چارچوب TDQ بیاموزید. 2. یک نقشه مفهومی با کیفیت ایجاد کنید که جنبه های مرتبط TDQ را از یک برنامه کاربردی یا منبع داده خاص ردیابی کند. 3. از طریق مبادلات نسبی بین جنبه های کیفیت، هزینه های نسبی و محدودیت های عملی اعمال شده توسط یک پروژه یا مطالعه خاص فکر کنید. 4. شناسایی نرم افزارهای مرتبط و ابزارهای مرتبط برای محاسبه معیارهای مختلف. 5. معیارهایی را که می توان برای داده های طراحی شده و یافت شده/ارگانیک محاسبه کرد، درک کنید. 6. معیارها را روی داده های واقعی اعمال کنید و مقادیر حاصل از آنها را از دیدگاه TDQ تفسیر کنید. این تخصص به طور کلی با هدف بررسی عمیق چارچوب کیفیت کل داده ها و ارائه اطلاعات بیشتر در مورد ارزیابی دقیق کیفیت کل داده ها که باید قبل از تجزیه و تحلیل داده ها اتفاق بیفتد، در اختیار یادگیرندگان قرار می دهد. هدف این است که یادگیرندگان ارزیابی های کیفیت داده ها را به عنوان یک جزء حیاتی برای همه پروژه ها در فرآیند خود بگنجانند. ما صمیمانه امیدواریم که دانش در مورد کیفیت کل داده ها را به همه فراگیران، مانند دانشمندان داده و تحلیلگران کمی، که در مراحل اولیه فرآیند علم داده که بر جمع آوری داده ها و ارزیابی کیفیت داده ها تمرکز دارد، آموزش کافی ندیده اند، منتشر کنیم. ما احساس می‌کنیم که اگر داده‌های جمع‌آوری‌شده/جمع‌آوری‌شده از کیفیت کافی برخوردار نباشند، دانش گسترده از تکنیک‌های علم داده و روش‌های تجزیه و تحلیل آماری به یک مطالعه تحقیقاتی کمی کمک نمی‌کند. این تخصص بر اولین گام‌های اساسی در هر نوع تحقیق علمی با استفاده از داده‌ها تمرکز می‌کند: تولید یا جمع‌آوری داده‌ها، درک اینکه داده‌ها از کجا آمده‌اند، ارزیابی کیفیت داده‌ها، و اقداماتی برای به حداکثر رساندن کیفیت داده‌ها قبل از انجام هر نوع تحلیل آماری یا به کارگیری تکنیک های علم داده برای پاسخ به سؤالات تحقیق. با توجه به این تمرکز، مطالب کمی در مورد تجزیه و تحلیل داده ها وجود خواهد داشت، که در بی شمار تخصص های موجود Coursera پوشش داده شده است. تمرکز اصلی این تخصص بر درک و به حداکثر رساندن کیفیت داده ها قبل از تجزیه و تحلیل خواهد بود.

در این دوره، هر دانش‌آموز یک انیمیشن علمی ایجاد می‌کند که داستانی را با داده‌ها برای ارتباط بهتر نتایج علمی بیان می‌کند - در طول مسیر آنها مهارت‌های برنامه‌نویسی، نوشتن علمی و مهارت‌های انیمیشن فنی را یاد خواهند گرفت. این دوره به دانش آموزان در داستان سرایی مبتنی بر داده آموزش می دهد که تحقیقات و ارتباطات علمی را به نفع جوامع و سیاست گذاران در مقیاس محلی و جهانی ترویج می کند. دانش‌آموزان یک اسکریپت نوشتن علمی پیش‌نویس می‌کنند، گرافیک‌های شطرنجی و برداری سفارشی، تجسم داده‌ها و انیمیشن‌ها را در Adobe Photoshop، Adobe Illustrator، Adobe After Effects، Adobe Premiere Pro و Autodesk Maya ایجاد می‌کنند. برای پروژه نهایی خود، دانش‌آموزان این دارایی‌های مبتنی بر داده را در یک چکیده ویدیویی متحرک جمع‌آوری می‌کنند.

در این دوره، با استفاده از یک رویکرد اصولی که توانایی شما را در استفاده از داده های تاریک برای افزودن ارزش به یک محصول نهایی نشان می دهد، تفکر سطح بعدی در مورد ایجاد ارزش با داده های تاریک را یاد خواهید گرفت.

این دوره برای حرفه ای های کسب و کار طراحی شده است که می خواهند یاد بگیرند که چگونه یک موضوع تجاری برای یک پروژه علم داده مناسب است یا خیر و از فرآیند علم داده استفاده کنند. دانشجوی معمولی در این دوره تجربه در یک محیط تجاری و درک سطح بالایی از مفاهیم بنیادی علم داده خواهد داشت، از جمله، اما نه محدود به: انواع داده ها، نقش های علم داده، چرخه عمر کلی علم داده، و مزایا و مزایا. چالش های علم داده

گواهینامه های مایکروسافت با ارائه مدارک شناخته شده و مورد تایید صنعت در سطح جهانی مبنی بر تسلط بر مهارت های کسب و کارهای دیجیتال و ابری به شما یک مزیت حرفه ای می دهد. دانش خود را در مورد نحوه استفاده از خدمات و زبان های مختلف داده Azure برای ذخیره و تولید مجموعه داده های تمیز و پیشرفته برای تجزیه و تحلیل تجدید خواهید کرد. دانش خود را در یک آزمون عملی که با تمام موضوعات اصلی تحت پوشش آزمون DP-203 ترسیم شده است، آزمایش خواهید کرد و اطمینان حاصل می کند که برای موفقیت در صدور گواهینامه به خوبی آماده شده اید. همچنین یک نمای کلی دقیق تر از برنامه صدور گواهینامه مایکروسافت و جایی که می توانید در حرفه خود ادامه دهید دریافت خواهید کرد. همچنین نکات و ترفندها، استراتژی های تست، منابع مفید و اطلاعاتی در مورد نحوه ثبت نام در آزمون DP-203 Proctored دریافت خواهید کرد. در پایان این دوره، شما آماده ثبت نام و شرکت در آزمون DP-203 خواهید بود. این آخرین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.