Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 71 items.

linkedin آموزش ضروری PySpark: مقدمه ای بر ساخت خطوط لوله داده (Mitalearn-440722)

  • 1 hours 18 minutes
  • مناسب همه
  • Release date: 7 August 2025
  • Author: Sam Bail
درباره این دوره: 

 PySpark یک کتابخانه قدرتمند است که قابلیت‌های محاسباتی توزیع شده Apache Spark را به پایتون می‌آورد و آن را به ابزاری کلیدی برای پردازش کارآمد داده‌های مقیاس بزرگ تبدیل می‌کند. در این دوره، مهندس داده و تحلیلگر Sam Bail، مقدمه ای ساختاریافته و عملی برای PySpark ارائه می دهد که با مروری بر آپاچی اسپارک، معماری و اکوسیستم آن شروع می شود. قبل از راه‌اندازی یک محیط آزمایشگاهی و کار با مجموعه داده واقعی، در مورد مفاهیم اصلی Spark، مانند DataFrame API، تبدیل‌ها، ارزیابی‌های تنبل و اقدامات اطلاعاتی کسب کنید. به‌علاوه، بینش‌هایی در مورد اینکه PySpark چگونه با یک اکوسیستم مهندسی داده‌های گسترده‌تر و بهترین شیوه‌های اجرای PySpark در یک محیط تولیدی سازگار می‌شود، به دست آورید.

linkedin آموزش ضروری آپاچی کافکا: شروع به کار (Mitalearn-393258)

  • 1 hours 15 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

یکی از اجزای کلیدی خط لوله پردازش داده های بزرگ، یک صف پیام مقیاس پذیر و توزیع شده است. صف‌های پیام، قابلیت‌های پخش همزمان با تولیدکنندگان و مصرف‌کنندگان متعدد داده را فعال می‌کنند. این برنامه‌های بلادرنگ را قادر می‌سازد که می‌توانند داده‌ها را تجزیه و تحلیل کنند و بینش‌هایی را به صورت مقیاس‌پذیر تولید کنند. آپاچی کافکا این قابلیت ها را فراهم می کند. آپاچی کافکا به عنوان استاندارد واقعی برای پیام‌های منبع باز، یک مهارت ضروری برای دانشمندان داده، مهندسان کلان داده، معماران داده و معماران راه حل است. در این دوره، مربی کوماران پونامبالام آپاچی کافکا را معرفی کرده و مفاهیم اساسی و عملیات اساسی آن را توضیح می دهد. Kumaran مفاهیم اساسی مانند پیام ها، موضوعات، گزارش ها و موارد دیگر را پوشش می دهد. او نحوه استفاده از خط فرمان کافکا و همچنین پارتیشن ها و گروه ها را به شما نشان می دهد. او برنامه نویسی کافکا جاوا را بررسی می کند، سپس با یک پروژه مورد استفاده به پایان می رسد.

Related Skills

linkedin آموزش ضروری آپاچی کافکا: شروع به کار (2021) (Mitalearn-210508)

  • 1 hours 18 minutes
  • مناسب همه
  • Release date: 18 March 2021
  • Author: Kumaran Ponnambalam
درباره این دوره: 

 یکی از اجزای کلیدی خط لوله پردازش داده های بزرگ، یک صف پیام مقیاس پذیر و توزیع شده است. صف‌های پیام، قابلیت‌های پخش همزمان با تولیدکنندگان و مصرف‌کنندگان متعدد داده را فعال می‌کنند. این برنامه‌های بلادرنگ را قادر می‌سازد که می‌توانند داده‌ها را تجزیه و تحلیل کنند و بینش‌هایی را به صورت مقیاس‌پذیر تولید کنند. آپاچی کافکا این قابلیت ها را فراهم می کند. آپاچی کافکا به عنوان استاندارد واقعی برای پیام‌رسانی منبع باز، یک مهارت ضروری برای دانشمندان داده، مهندسان کلان داده، معماران داده و معماران راه حل است. در این دوره مربی کوماران پونامبالام آپاچی کافکا را معرفی کرده و مفاهیم اساسی و عملیات اساسی آن را توضیح می دهد. Kumaran مفاهیم اساسی مانند پیام ها، موضوعات، گزارش ها و موارد دیگر را پوشش می دهد. او نحوه استفاده از خط فرمان کافکا و همچنین پارتیشن ها و گروه ها را به شما نشان می دهد. او برنامه نویسی کافکا جاوا را بررسی می کند، سپس با یک پروژه مورد استفاده به پایان می رسد.

Related Skills

linkedin آن را تمرین کنید: ساختارهای داده پایتون (Mitalearn-382174)

  • 40 minutes
  • مناسب همه
  • Release date: 9 November 2022
  • Author: Kaylee Kohfeldt
درباره این دوره: 

 آیا به دنبال تقویت مهارت های پایتون خود هستید؟ شاید برخی از اصول پایتون را یاد گرفته اید و می خواهید مهارت های خود را بیشتر کنید؟ این دوره با Kaylee Kohfeldt آموزش عملی و عملی در مورد مفاهیم پایتون مانند مجموعه ها، مجموعه ها، قالب بندی رشته ها و توابع لامبدا ارائه می دهد. Kayle مهارت هایی را پوشش می دهد که ممکن است در برنامه نویسی روزانه خود از آنها استفاده نکنید - مانند شمارنده، جستجوگر پالیندروم، پاک کردن داده های تکراری و موارد دیگر - که می تواند به شما در گسترش دانش پایتون کمک کند. اگر می‌خواهید مهارت‌های پایتون خود را به سطح بالاتری ببرید تا بتوانید کدهای خوانا و کارآمدتر بنویسید، در این دوره آموزشی به Kaylee بپیوندید.

این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه تنظیمات ماشین محلی ارائه می دهد. با Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

linkedin اتوماسیون خط لوله داده با اقدامات GitHub با استفاده از R و Python (Mitalearn-443544)

  • 2 hours 12 minutes
  • مناسب همه
  • Release date: 23 April 2024
  • Author: Rami Krispin
درباره این دوره: 

 در این دوره آموزشی، نحوه تنظیم گردش کار در GitHub Actions را برای خودکارسازی فرآیندها با R و Python یاد بگیرید. مربی Rami Krispin شما را از طریق فرآیند اتوماسیون راهنمایی می کند و نمونه هایی از دنیای واقعی را به اشتراک می گذارد. او به شما نشان می‌دهد که چگونه یک خط لوله داده راه‌اندازی کنید، ابرداده را از یک خط لوله بیرون بکشید و یک داشبورد زنده را با اقدامات و صفحات GitHub اجرا کنید. اگر از صرف ساعت‌ها صرف اجرای دستی اسکریپت‌ها یا کاهش سرعت گردش کار خود با کشیدن داده‌ها از API یا به‌روزرسانی داشبورد خسته شده‌اید، در این دوره آموزشی به Rami بپیوندید تا ببینید اتوماسیون چگونه می‌تواند سرعت کار شما را افزایش دهد.

linkedin استفاده از هوش مصنوعی و مهندسی داده ها برای راه حل های پایدار (Mitalearn-427054)

  • 57 minutes
  • مناسب همه
  • Release date: 18 February 2025
  • Author: Talal Gedeon
درباره این دوره: 

 در این دوره ، بیاموزید که چگونه فناوری و داده ها می توانند تلاش های پایداری را تغییر داده و راه را برای آینده ای باهوش تر و سبز تر هموار کنند. مربی Talal Gedeon پایه و اساس محکمی را در زمینه استفاده از هوش مصنوعی و مهندسی داده ها برای تدوین راه حل های نوآورانه برای رسیدگی به چالش های زیست محیطی ، ایجاد شکاف بین مهارت های پیشرفته فن آوری و کاربردهای عملی در پایداری فراهم می کند. تکنیک های جمع آوری داده ها ، از جمله راه حل های IoT و AI ، را کشف کنید تا ببینید که چگونه می توانید پروژه های پایداری خود را متحول کنید.

linkedin الگوهای پردازش جریانی در Apache Flink (Mitalearn-226250)

  • 1 hours 6 minutes
  • مناسب همه
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

چارچوب‌هایی مانند Apache Flink می‌توانند به شما کمک کنند تا برنامه‌های پردازش جریانی سریع و مقیاس‌پذیر بسازید، اما مهندسان داده‌های بزرگ هنوز برای دستیابی به حداکثر کارایی باید موارد استفاده هوشمند را طراحی کنند. در این دوره، مربی Kumaran Ponnambalam نحوه استفاده از Apache Flink و فن‌آوری‌های مرتبط را برای ساخت موارد استفاده پردازش جریان با استفاده از الگوهای رایج نشان می‌دهد. کوماران با برجسته کردن فرصت‌ها و چالش‌هایی که پردازش جریانی برای کلان داده‌ها به ارمغان می‌آورد، شروع می‌کند. او سپس به چهار الگوی محبوب برای پردازش جریان می‌پردازد: تجزیه و تحلیل جریان، هشدارها و آستانه‌ها، تابلوهای امتیازات، و پیش‌بینی‌های زمان واقعی. در طول مسیر، او موارد استفاده از نمونه را بررسی می‌کند و نحوه استفاده از Flink و همچنین فناوری‌های کلیدی مانند MariaDB و Redis را برای پیاده‌سازی نمونه‌های کلیدی توضیح می‌دهد.

linkedin پایتون برای مهندسی داده: از مبتدی تا پیشرفته (Mitalearn-387036)

  • 3 hours 50 minutes
  • مناسب همه
  • Release date: 30 January 2024
  • Author: Deepak Goyal
درباره این دوره: 

 قبل از پیشرفت به موضوعات پیشرفته تر مخصوص مهندسی داده، با اصول اولیه پایتون آشنا شوید و اجرا کنید. در این دوره عملی و تعاملی، به مربی دیپاک گویال بپیوندید تا انجام طیف گسترده ای از وظایف مهندسی داده در پایتون را تمرین کنید تا دانش فنی خود را تقویت کنید، برای مصاحبه آماده شوید یا نقش جدیدی را به دست آورید. این دوره شامل چالش های کد است که توسط CoderPad طراحی شده است. چالش‌های کد، تمرین‌های کدنویسی تعاملی با بازخورد بلادرنگ هستند، بنابراین می‌توانید برای پیشبرد مهارت‌های کدنویسی خود تمرین کدنویسی را انجام دهید. دیپک به شما کمک می کند تا مهارت های خود را به عنوان یک برنامه نویس پایتون با شش چالش برنامه نویسی خاص تقویت کنید. اصول زبان، مجموعه‌های پایتون، مدیریت فایل، پانداها، NumPy، OOP و ابزارهای پیشرفته مهندسی داده‌ای که از پایتون استفاده می‌کنند را کاوش کنید. این دوره با یک پروژه اصلی متمرکز بر تجزیه و تحلیل خرده فروشی به پایان می رسد.

linkedin پایگاه داده اوراکل 19c: معماری چند مستاجر (Mitalearn-245205)

  • 1 hours 34 minutes
  • مناسب همه
  • Update date: 29 February 2024
  • Author: Bob Bryla
درباره این دوره: 

 اوراکل معماری چند مستاجر را در نسخه 12.1.0.2 به عنوان یک گزینه در دسترس معرفی کرد، اما پس از 19c، ایجاد پایگاه داده چند مستاجر تنها گزینه برای یک پایگاه داده جدید است. در این دوره، مدیر پایگاه داده Oracle، باب بریلا، به DBAها کمک می کند تا منابعی را در پایگاه داده های چند مستاجر ایجاد کرده و به طور موثر از آنها استفاده کنند.n معماری چند مستاجر همچنین چندین گزینه جدید در هنگام پشتیبان‌گیری و بازیابی پایگاه‌های داده و جداول جداگانه با ابزار RMAN موجود دارد، بنابراین باب سناریوهای RMAN جدید و جزئیات مربوط به زمان تهیه نسخه پشتیبان از ریشه CDB، کل CDB یا تک تک PDB را توضیح می‌دهد. او همچنین نحوه ایجاد و مدیریت یک نوع خاص از PDB به نام PDB برنامه، که به عنوان کانتینر برنامه نیز شناخته می‌شود را پوشش می‌دهد و نشان می‌دهد که چگونه می‌توان از قابلیت‌های نسخه‌سازی موجود در کانتینرهای برنامه استفاده کرد.

linkedin پروژه مهندسی داده انتها به انتها (Mitalearn-390062)

  • 1 hours 15 minutes
  • مناسب همه
  • Release date: 3 November 2023
  • Author: Thalia Barrera
درباره این دوره: 

 دنیای مهندسی داده همواره در حال تغییر است و ابزارها و فناوری های جدیدی به طور منظم در حال ظهور هستند. ساختن یک پلتفرم تحلیلی موثر می‌تواند یک کار دلهره‌آور باشد، به خصوص اگر با همه ابزارهای موجود آشنا نباشید. چگونه داده های پراکنده و پیچیده را به مدلی تبدیل می کنید که بینش و تصمیم گیری را هدایت می کند؟ در این دوره، Thalia Barrera به متخصصان داده آموزش می دهد که چگونه یک پروژه مهندسی داده را با استفاده از ابزارهای باز از پشته داده مدرن پیاده سازی کنند. او بهترین روش‌ها مانند مدل‌سازی داده، آزمایش، مستندسازی و کنترل نسخه را لمس می‌کند و به شما نشان می‌دهد که چگونه داده‌ها را به طور موثر استخراج، بارگیری و تبدیل به یک قالب یکپارچه و آماده برای تجزیه و تحلیل کنید. Thalia به شما نشان می دهد که چگونه از طریق مثال های عملی ابزارها را با اطمینان انتخاب کرده و از آنها استفاده کنید - که شما را در ساخت یک خط لوله داده قوی برای یک شرکت تجارت الکترونیک خیالی هدایت می کند - و نحوه اجرای بهترین شیوه ها در مهندسی داده.

Related Skills

linkedin پیاده سازی Data Warehouse SQL Server 2019 (Mitalearn-170830)

  • 2 hours 7 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Adam Wilbert
درباره این دوره:

مدل‌های بعدی مانند انبارهای داده می‌توانند شکل قابل دسترس و سازگارتری از ذخیره‌سازی داده را نسبت به پایگاه‌های داده رابطه‌ای ارائه کنند. شما می توانید داده ها را از چندین منبع در یک مخزن واحد برای هوش تجاری، تجزیه و تحلیل و گزارش ادغام کنید. این دوره نحوه ایجاد یک راه حل ذخیره سازی طولانی مدت داده با استفاده از نمونه های محلی SQL Server و Azure SQL Data Warehouse را توضیح می دهد. مربی آدام ویلبرت نشان می دهد که چگونه می توان یک انبار داده را از ابتدا، با جداول و نماها ساخت. ایجاد جریان کنترل؛ اجرای کیفیت داده ها؛ و از داده های خود در سرویس هایی مانند SQL Server Reporting Services و Power BI استفاده کنید. در پایان دوره، شما قادر خواهید بود یک راه حل قوی و سفارشی را برای خدمت به تمام نیازهای هوش تجاری، گزارش و تحلیل سازمان خود پیاده سازی کنید.

linkedin پیاده سازی انبار داده با SQL Server 2022 (Mitalearn-277369)

  • 2 hours 37 minutes
  • مناسب همه
  • Update date: 14 May 2025
  • Author: Adam Wilbert
درباره این دوره: 

 انبارهای داده مشکلات اساسی متفاوتی را نسبت به پایگاه داده تراکنشی سنتی حل می کنند و انبارهای داده SQL Server مدل متفاوتی برای ذخیره داده های ارزشمند ارائه می دهند. در این دوره، آدام ویلبرت، کارشناس پایگاه داده، شما را در فرآیند توسعه انبارهای داده در SQL Server 2022 راهنمایی می‌کند تا یک پلتفرم قوی و قابل اعتماد برای ارائه تمام حجم‌های کاری گزارش‌دهی و تحلیل هوش تجاری شما ارائه دهد. پایه های انبار داده را کاوش کنید، سپس شروع به ایجاد انبار داده در SQL Server کنید. در مورد نمایه‌های فروشگاه ستونی و همچنین نحوه خودکارسازی وظایف مرتبط با ادغام چندین منبع داده با هم در یک انبار بیاموزید. نحوه پیاده سازی Azure Synapse Analytics Dedicated SQL Pool و اعمال کیفیت داده با استفاده از خدمات کیفیت داده را بیاموزید. راه‌هایی را برای استفاده از Master Data Services کشف کنید، به علاوه یاد بگیرید چگونه داده‌های انبار خود را با برنامه‌های هوش تجاری مصرف کنید.

linkedin تجزیه و تحلیل داده های بزرگ با Hive (Mitalearn-105261)

  • 1 hours 53 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Ben Sullins
درباره این دوره:

کسب و کارها با اتخاذ تصمیمات آگاهانه ای که نیازهای مشتریان و کاربران خود را هدف قرار می دهد، پیشرفت می کنند. برای اتخاذ چنین تصمیمات استراتژیک، آنها بر داده ها تکیه می کنند. Hive ابزار انتخابی برای بسیاری از دانشمندان داده است زیرا به آنها اجازه می دهد تا با SQL، یک نحو آشنا، کار کنند تا بینش هایی را از Hadoop استخراج کنند، و اطلاعاتی را که کسب و کارها به دنبال برنامه ریزی موثر هستند، منعکس می کند.\r\n مربی بن سالینز با نشان دادن نحوه ساختار و بهینه سازی داده های خود شروع می کند. در مرحله بعد، او توضیح می دهد که چگونه می توان Hue، رابط کاربری Hadoop را برای استفاده از HiveQL هنگام تجزیه و تحلیل داده ها، به کار برد. با استفاده از گزینه جدید پیکربندی شده، سپس نحوه بارگیری داده ها، ایجاد جداول انبوه برای دسترسی سریع به پرس و جو و اجرای تجزیه و تحلیل پیشرفته را نشان می دهد. او همچنین شما را از طریق مدیریت جداول و استفاده از توابع راهنمایی می کند. این دوره آموزشی طراحی شده است تا به شما کمک کند راه‌های جدیدی برای کار با مجموعه داده‌ها پیدا کنید تا بتوانید به سؤالات سخت علم داده‌ای که سر راهتان قرار می‌گیرد پاسخ دهید.

Related Skills

linkedin جاوا: ساختارهای داده (Mitalearn-242502)

  • 49 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Bethan Palmer
درباره این دوره:

ساختارهای داده تقریباً در همه برنامه ها استفاده می شود، بنابراین توسعه دهندگان باید بدانند که آنها چیست و چگونه از رایج ترین آنها استفاده کنند. در این دوره، مدرس Bethan Palmer توضیح می‌دهد که ساختارهای داده در جاوا چیست و چه کارهایی می‌توانید با برخی از رایج‌ترین انواع انجام دهید. پس از ارائه برخی از تعاریف، Bethan آنچه را که باید هنگام انتخاب یک ساختار داده در نظر بگیرید، مانند سطوح مختلف سرعت و عملکرد ارائه می دهد. او به شما نشان می‌دهد که آرایه‌ها چیست و مزایا و معایب استفاده از آن‌ها را نشان می‌دهد، سپس نحوه ایجاد آرایه‌ها و انجام عملیات روی آن‌ها را راهنمایی می‌کند. سپس Bethan وارد مجموعه‌های جاوا می‌شود و با رابط مجموعه شروع می‌شود. بیشتر ساختارهای داده در جاوا رابط مجموعه را پیاده سازی می کنند، بنابراین درک اینکه چیست و چگونه کار می کند، مهم است. Bethan به پشته‌ها، صف‌ها و TreeSets می‌پردازد، سپس با یک چالش و مجموعه راه‌حل به بررسی نحوه ایجاد و اجرای عملیات در برخی از مجموعه‌های جاوا می‌پردازد.

linkedin جاوا: ساختارهای داده (2017) (Mitalearn-105601)

  • 58 minutes
  • متوسط
  • Release date: 25 July 2026
  • Author: Peggy Fisher
درباره این دوره:

ساختارهای داده وسیله ای برای ذخیره و مدیریت کارآمد مقادیر زیادی از داده ها فراهم می کند.\r\n انتخاب ساختار داده مناسب برای یک کار، کلید توسعه نرم افزار درجه یک است.\r\n پگی فیشر را دنبال کنید زیرا او شما را با انواع مختلفی از ساختارهای داده رایج در جاوا آشنا می کند. Peggy ArrayLists و LinkedLists را بررسی می‌کند، که هر دو رابط List را پیاده‌سازی می‌کنند، که رابط مجموعه را گسترش می‌دهد و به شما امکان می‌دهد به عناصر لیست با ترتیب خاصی دسترسی داشته باشید. او همچنین به کلاس های مجموعه Vector، Stack و Queue می رود. برای کمک به درک بهتر این مفاهیم جدید، پگی دوره را با یک چالش پایان می دهد - ایجاد یک لیست مواد غذایی - و راه حلی برای آن چالش ارائه می دهد.

linkedin دریافت داده ها با پایتون (Mitalearn-185212)

  • 1 hours 24 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Miki Tebeka
درباره این دوره:

بخش قابل توجهی از روز یک دانشمند داده اغلب صرف واکشی و تمیز کردن داده هایی می شود که برای آموزش الگوریتم های خود نیاز دارند. در این دوره آموزشی، یاد بگیرید که چگونه از ابزارها و تکنیک های پایتون برای به دست آوردن داده های مرتبط و با کیفیت مورد نیاز خود استفاده کنید. مربی Miki Tebeka خواندن فایل‌ها، از جمله نحوه کار با فایل‌های CSV، XML و JSON را پوشش می‌دهد. او همچنین در مورد فراخوانی APIها، خراش دادن وب (و اینکه چرا باید آخرین راه حل باشد)، و اعتبارسنجی و تمیز کردن داده ها بحث می کند. به علاوه، نحوه ایجاد و نظارت بر شاخص‌های عملکرد کلیدی (KPI) را بیابید که به شما در نظارت بر خط لوله داده‌هایتان کمک می‌کنند.

linkedin ذخیره سازی و پردازش داده های مقیاس پذیر برای بارهای کاری هوش مصنوعی (Mitalearn-440875)

  • 1 hours 30 minutes
  • مناسب همه
  • Release date: 17 March 2025
  • Author: Janani Ravi
درباره این دوره: 

 راه‌حل‌هایی برای ذخیره‌سازی و پردازش داده‌ها ضروری هستند، اما چگونه می‌توانید آنها را به طور مؤثر در مقیاس مدیریت کنید؟ در این دوره، مربی جانانی راوی اصول طراحی و پیاده‌سازی سیستم‌های ذخیره‌سازی داده‌ها را پوشش می‌دهد که می‌توانند به طور کارآمدی نیازهای مقیاس بزرگ برنامه‌های کاربردی مبتنی بر هوش مصنوعی را مدیریت کنند. تکنیک‌های مدیریت، پردازش و بهینه‌سازی جریان داده در محیط‌های توزیع‌شده را برای اطمینان از اجرای مدل هوش مصنوعی با کارایی بالا بررسی کنید. این دوره آموزشی مناسب برای متخصصان فناوری که با هوش مصنوعی، زیرساخت داده و عملیات یادگیری ماشین کار می کنند، شما را با مهارت هایی که نه تنها برای مدیریت، بلکه برای بهینه سازی حجم کاری هوش مصنوعی خود نیاز دارید، مجهز می کند.

linkedin راهنمای کامل Google BigQuery برای داده ها و مهندسان ML (Mitalearn-415171)

  • 4 hours 22 minutes
  • مناسب همه
  • Release date: 15 August 2025
  • Author: Pearson,Dan Sullivan
درباره این دوره: 

 داده ها و امکان تجزیه و تحلیل آن و استفاده از آن برای ساخت مدل های یادگیری ماشین ، نوآوری و روش های جدید سازماندهی کار در مشاغل است. Google BigQuery ، پلت فرم داده گسترده استفاده شده را برای انبارداری داده ، تجزیه و تحلیل و یادگیری ماشین وارد کنید. BigQuery به عنوان یک پیشنهاد سرور مدیریت شده و بدون سرور از Google Cloud ارائه می شود که به شما امکان می دهد زمان کمتری را برای حفظ زیرساخت ها و زمان بیشتری برای ساختن سیستم های یادگیری ماشین و استخراج بینش از داده ها صرف کنید. در این دوره ، به مربی دن سالیوان بپیوندید زیرا او به شما نشان می دهد که چگونه می توانید از BigQuery به عنوان یک مهندس داده یا یادگیری ماشین استفاده کنید. در طول راه ، مهارت های اساسی را برای مصرف داده ها ، تبدیل داده ها برای تهیه آن برای تجزیه و تحلیل ، و ساخت ، ارزیابی ، استقرار و نظارت بر مدل ها در تولید کشف کنید.

linkedin راهنمای کامل آپاچی کافکا برای مبتدیان (Mitalearn-414950)

  • 7 hours 48 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Stephane Maarek
درباره این دوره:

Kafka is the leading open-source, enterprise-scale data streaming technology. این به شما کمک می کند تا داده های خود را در جایی که به آن نیاز دارید منتقل کنید ، در زمان واقعی ، سردردهایی را که با ادغام بین چندین منبع و سیستم های هدف همراه است ، کاهش دهید. این دوره آموزشی به شما کمک می کند تا با تمام عملیات اساسی کافکا شروع کنید ، کافکا CLI و API را کشف کنید و کارهای کلیدی مانند ساخت تولید کنندگان و مصرف کنندگان خود را انجام دهید. بیاموزید که چگونه یک خوشه کافکا شخصی را در مک ، ویندوز یا لینوکس شروع کنید. مفاهیم اساسی استاد از جمله مباحث ، پارتیشن ها ، کارگزاران ، تولید کنندگان و مصرف کنندگان. و شروع به نوشتن ، ذخیره و خواندن داده ها با تولید کنندگان ، موضوعات و مصرف کنندگان کنید. مربی Stephane Maarek شامل موارد استفاده عملی و نمونه هایی مانند مصرف داده ها از منابعی مانند ویکی پدیا و Elasticsearch است که دارای معماری در دنیای واقعی و استقرار تولید است. استفان دوره را با نگاهی به موضوعات پیشرفته مانند سیاست های پاکسازی ورود به سیستم و پیام های بزرگ در کافکا به پایان رساند.

Related Skills

linkedin راهنمای کامل برای دریاچه های داده و خانه های دریاچه (Mitalearn-415052)

  • 5 hours 39 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Thalia Barrera
درباره این دوره:

در این دوره، مهندس داده و نویسنده فنی Thalia Barrera یک مرور کلی مقدماتی و در عین حال جامع از دریاچه های داده ارائه می دهد. در مورد مفاهیم کلیدی مانند معماری دریاچه داده، عملیات، و ادغام با سیستم های داده موجود بیاموزید. بررسی کنید که دریاچه های داده چگونه در جریان کار هوش مصنوعی و یادگیری ماشینی یکپارچه هستند. تفاوت‌های بین دریاچه‌های داده، انبارهای داده و پایگاه‌های داده را بررسی کنید. فرمت های مختلف داده و کاربرد آنها را در محیط دریاچه داده کاوش کنید. از تمرین‌های عملی برای تمرین راه‌اندازی یک دریاچه داده اولیه و انجام عملیات داده ساده استفاده کنید. پس از اتمام این دوره، برای تصمیم گیری آگاهانه در مورد پیاده سازی و مدیریت دریاچه های داده در سازمان خود مجهز خواهید شد.

Suggestions