Course catalog

Course duration

Course provider

Topic

Categories

Showing 61-71 of 71 items.

linkedin مبانی علم داده: مهندسی داده (Mitalearn-105244)

  • 53 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Ben Sullins
درباره این دوره:

با تسلط بر مهارت های اصلی مورد نیاز برای استفاده از داده ها برای کسب و کار خود، با اطمینان به داده های بزرگ نزدیک شوید. این دوره اصول مهندسی داده، طراحی سیستم، تجزیه و تحلیل و هوش تجاری را پوشش می دهد. بن سالینز، کارشناس علوم داده، نحوه جمع‌آوری و سازماندهی داده‌های خود را توضیح می‌دهد تا بتوانید نتایجی را ارائه دهید که سازمان شما می‌تواند از آن استفاده کند. بن با بررسی اکوسیستم داده مدرن و چگونگی ارتباط آن با اجرای یک هاب داده هوشمند و کارآمد شروع می کند. سپس، او به شما نشان می دهد که چگونه وظایف اصلی مربوط به مدیریت، بارگذاری، استخراج و تبدیل داده ها را انجام دهید. او همچنین شما را از طریق مرحله بندی، نمایه سازی، پاکسازی و انتقال داده ها راهنمایی می کند. در طول مسیر، او توصیه‌های عملی را ارائه می‌دهد که برای کارشناسان داده در سراسر یک سازمان - تحلیلگران، مهندسان، دانشمندان، مدل‌سازان و غیره قابل استفاده است.

linkedin مبانی مهندسی داده (Mitalearn-273918)

  • 1 hours 5 minutes
  • مناسب همه
  • Update date: 17 July 2024
  • Author: Harshit Tyagi
درباره این دوره: 

 علم داده را می توان به طور کلی به عنوان فرآیند مفید ساختن داده ها تعریف کرد و مهندسی داده بخش مهمی از چگونگی و چرایی آن است. اگر به علم داده مانند یک ماشین مسابقه فکر می کنید، مهندسان داده خدمه پیت هستند. آنها ماشین را نمی‌رانند، اما رانندگی ماشین را بسیار آسان‌تر می‌کنند. مهندسان داده اطمینان حاصل می کنند که جریان داده ها به خوبی اجرا می شود، سیستم ها را نظارت می کنند، مشکلات را پیش بینی می کنند و در صورت بروز مشکل خط لوله داده را تعمیر می کنند. آنها داده ها را از چندین منبع استخراج و جمع آوری می کنند و آن را در یک پایگاه داده واحد و آسان برای پرس و جو بارگذاری می کنند. به طور خلاصه، مهندسان داده زندگی دانشمندان داده را آسان تر می کنند.

در این دوره، هارشیت تیاگی اصول مهندسی داده را توضیح می دهد. او موضوعات کلیدی مانند جدال داده ها، طرح واره پایگاه داده و توسعه خطوط لوله ETL را پوشش می دهد. او همچنین چندین ابزار مهندسی داده مانند Hive، Hadoop، Spark و Airflow را شرح می دهد. در پایان این دوره، باید کاملاً مشخص شود که چرا مهندس داده یکی از ارزشمندترین افراد در یک سازمان داده محور است.

Related Skills

linkedin معرفی Snowflake برای Devs ، دانشمندان داده ، مهندسان داده (Mitalearn-424487)

  • 5 hours 4 minutes
  • مناسب همه
  • Release date: 7 April 2025
  • Author: Snowflake, Inc
درباره این دوره: 

 برای شروع کار با Snowflake ، بستر آسان برای کاربردهای ساختمانی ، خطوط لوله داده ، مدل های هوش مصنوعی و گردش کار آماده هستید؟ در این دوره ، شما از صفر پیشرفت خواهید کرد تا توابع تعریف شده توسط کاربر ، با استفاده از یک عملکرد Snowflake Cortex LLM ، ویرایش یک برنامه جریان و موارد دیگر. یاد بگیرید که قبل از روی آوردن به اشیاء و ویژگی های پیشرفته تر مانند سفر زمان ، کلونینگ و روشهای ذخیره شده ، از اشیاء اصلی Snowflake مانند انبارهای مجازی ، مراحل و بانکهای اطلاعاتی استفاده کنید. در پایان این دوره ، شما آماده خواهید بود تا با Snowflake شروع به کار کنید و دوره های پیشرفته تر برف را از جمله دوره های مهندسی داده ها و هوش مصنوعی تولید کنید.

linkedin معماری مش داده ها: مفاهیم اصلی (Mitalearn-440688)

  • 31 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Lauren Maffeo
درباره این دوره:

جمع آوری بینش در مورد یک رویکرد پیشرفته برای مدیریت داده: معماری مش داده. مربی Lauren Maffeo مقدمه ای بر داده مش، اهمیت، مفاهیم اساسی و مزایای آن نسبت به الگوهای معماری داده مرسوم ارائه می دهد. چهار ستون شبکه داده شامل حوزه های داده، داده به عنوان محصول، دسترسی به داده های سلف سرویس و حاکمیت داده های فدرال را بررسی کنید. یاد بگیرید که دامنه ها و زیر دامنه های داده اصلی سازمان خود را شناسایی کنید و چگونه آنها را به طور مؤثر طبقه بندی و مدیریت کنید. نحوه انتخاب مباشران داده ماهر و تعریف استانداردهای فدرال برای اطمینان از کیفیت داده در حوزه های مختلف را بیابید. این دوره ایده آل برای معماران داده، مهندسان داده و متخصصان فناوری اطلاعات با هدف اتخاذ شیوه های معماری داده مدرن است، این دوره شما را با مهارت هایی برای طراحی اولین معماری شبکه داده خود مجهز می کند و پایه و اساس یک استراتژی مدیریت داده چابک تر و خلاقانه تر را ایجاد می کند.

linkedin مقدمه ای بر انبارهای داده (Mitalearn-391167)

  • 49 minutes
  • مناسب همه
  • Update date: 11 December 2024
  • Author: Deepak Goyal
درباره این دوره: 

 مهارت‌های تجزیه و تحلیل داده‌ها این روزها بسیار مورد تقاضا هستند و شما نمی‌توانید خیلی از آنها عقب بمانید. صرف نظر از سطح فعلی تجربه یا پیشینه فنی خود، باید با جدیدترین ابزارها در این زمینه آشنا باشید. در این دوره آموزشی که برای متخصصان IT مشتاق طراحی شده است، به مدرس Deepak Goyal بپیوندید تا با انبارهای داده آشنا شوید، نحوه کار و تفاوت آنها با سایر راه حل ها و نحوه پیاده سازی آنها در نقش فعلی یا آینده شما. مفاهیم اساسی حل مسئله در دنیای واقعی را با گزینه های انبار داده سنتی کاوش کنید. درباره زمان و زمان استفاده نکردن از مدل‌سازی ابعادی و نحوه ایجاد اولین انبار داده خود با استفاده از SQL Server و SSMS بیاموزید. Deepak طیف گسترده ای از انبارهای داده را پوشش می دهد - از محل کار گرفته تا مبتنی بر فضای ابری - با نکاتی در مورد نحوه انتخاب گزینه ای که بهترین کار را برای شما دارد.

Related Skills

linkedin مقدمه ای بر ساختارها و الگوریتم های داده در جاوا (Mitalearn-134603)

  • 4 hours 56 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Raghavendra Dixit
درباره این دوره:

با یادگیری در مورد برخی از متداول ترین ساختارهای داده و الگوریتم ها، مجموعه مهارت های برنامه نویسی خود را افزایش دهید. در این دوره، مربی Raghavendra Dixit نحوه استفاده از جاوا برای نوشتن کد برای پیاده سازی ساختارهای داده و الگوریتم ها را توضیح می دهد. او پس از توضیح اینکه چرا مطالعه این موضوعات مفید است، به تحلیل الگوریتم‌ها می‌پردازد و آرایه‌ها را مورد بحث قرار می‌دهد - ساختار داده‌ای که در بیشتر زبان‌های برنامه‌نویسی یافت می‌شود. او همچنین نحوه پیاده‌سازی لیست‌های پیوندی در جاوا را توضیح می‌دهد و پشته‌ها، صف‌ها، بازگشت، درخت‌های جستجوی باینری، پشته‌ها و موارد دیگر را پوشش می‌دهد.

توجه: این دوره توسط Packt Publishing ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

linkedin مهندس داده های معتبر AWS (DEA-C01) CERT PREP (Mitalearn-412111)

  • 12 hours 55 minutes
  • مناسب همه
  • Release date: 4 June 2025
  • Author: Digital Cloud Training
درباره این دوره: 

 ENGINEER DATA CERTIFIED AWS - آزمون Associate (DEA -C01) شما را تأیید می کند امکان اجرای خطوط لوله داده و نظارت ، عیب یابی و بهینه سازی هزینه و مسائل مربوط به عملکرد مطابق با بهترین شیوه ها. این دوره به شما کمک می کند تا برای معاینه آماده شوید و وظایفی را که باید بدانید ، از جمله نحوه: داده و تغییر داده ها و خطوط لوله داده ارکستر در حین درخواست ، تشریح می کند مفاهیم برنامه نویسی ؛ یک فروشگاه داده بهینه ، مدل های داده طراحی ، طرح های داده کاتالوگ و مدیریت چرخه عمر داده ها را انتخاب کنید. عملیاتی کردن ، حفظ و نظارت بر خطوط لوله داده. تجزیه و تحلیل داده ها و اطمینان از کیفیت داده ها. و اجرای احراز هویت مناسب ، مجوز ، رمزگذاری داده ها ، حریم خصوصی و حاکمیت.

linkedin مهندسی داده با dbt (Mitalearn-390045)

  • 1 hours 16 minutes
  • مناسب همه
  • Release date: 2 January 2024
  • Author: Mark Freeman
درباره این دوره: 

 ابزار ساخت داده (dbt) به سرعت تبدیل به یک ابزار ضروری در بسیاری از پشته های داده اعم از استارتاپ ها گرفته تا فناوری های بزرگ برای مدیریت تبدیل داده ها شده است. در این دوره، مهندس داده مارک فریمن به شما کمک می کند تا با راه اندازی، اجرا و مدیریت یک پروژه dbt از طریق منبع باز ارائه دهنده dbt Core شروع کنید. یاد بگیرید چگونه dbt Core را نصب کنید، یک محیط را برای dbt پیکربندی کنید، یک پروژه dbt را ایجاد و مدیریت کنید، و یک پروژه dbt را در تولید مستقر کنید. اگر یک متخصص داده هستید که وظیفه اجرای dbt را در سازمان خود دارید، اخیراً به تیمی پیوسته اید که از dbt استفاده می کند و نیاز به مهارت دارید، یا فقط می خواهید در مورد dbt برای افزایش رقابت خود در بازار کار داده یاد بگیرید، این دوره را بررسی کنید.

linkedin نسخه‌سازی داده، نسب و نظارت بر کیفیت برای هوش مصنوعی (Mitalearn-440790)

  • 1 hours 42 minutes
  • مناسب همه
  • Release date: 17 April 2025
  • Author: Janani Ravi
درباره این دوره: 

 اهمیت نسخه‌سازی داده‌ها و تأثیر آن بر جریان‌های کاری ML و AI را کشف کنید. مربی جانانی راوی مفاهیم کلیدی مانند عکس فوری، اصل و نسب، شاخه‌بندی و نحوه مدیریت مؤثر نسخه‌های داده را تشریح می‌کند. نحوه استفاده از کنترل نسخه داده (DVC) برای مقداردهی اولیه Git، ردیابی فایل‌ها و داده‌های نسخه را به طور موثرتر بررسی کنید. با اصل و نسب داده در فابریک مایکروسافت آشنا شوید و تکنیک ها و بهترین روش ها برای ردیابی اصل و نسب را کشف کنید. مسائل رایج داده ها و مدل ها، از جمله پردازش، مدیریت طرحواره، از دست دادن داده ها، و سوگیری را درک کنید و یاد بگیرید که چگونه این جنبه ها را برای کیفیت نظارت کنید. در طول مسیر، یاد بگیرید که چگونه معیارهایی را ردیابی کنید که به اطمینان از یکپارچگی و عملکرد مدل و داده ها کمک می کند. چه دانشمند داده باشید، چه مهندس، یا در حال حاضر در مدیریت داده کار می کنید، این دوره شما را با مهارت هایی که برای حفظ استانداردهای بالای نسخه سازی داده ها و نظارت بر کیفیت در پروژه های خود نیاز دارید، مجهز می کند.

linkedin یادگیری پشته الاستیک (2020) (Mitalearn-207754)

  • 1 hours 50 minutes
  • مبتدی
  • Release date: 29 October 2020
  • Author: Josh Samuelson
درباره این دوره:

Elastic Stack (که قبلا به عنوان ELK Stack شناخته می شد) مجموعه ای قدرتمند از ابزارهای منبع باز برای مدیریت و درک داده های پیچیده است. با استفاده از پشته Elastic، داده‌ها را راحت‌تر جستجو، تجسم و پردازش می‌کنید، و همچنین داده‌های ثبت را متمرکز می‌کنید تا به سرعت مشکلات را ریشه‌یابی کنید. در این دوره، جاش ساموئلسون، مهندس DevOps به شما کمک می‌کند تا با Elastic Stack راه‌اندازی کنید و بتوانید از این ابزارها بهره‌مند شوید. جاش به جای پوشش دادن همه ویژگی‌ها، روی چیزهایی تمرکز می‌کند که برای شروع باید بدانید، تا بتوانید به تنهایی ابزارها را بررسی کنید. کشف کنید که چرا Elastic Stack ممکن است افزودنی هوشمندانه برای محیط شما باشد، و همچنین نحوه نزدیک شدن به یک نصب معمولی. به علاوه، در مورد عناصر مختلف پشته، از جمله Logstash، Beats و Kibana اطلاعات کسب کنید.

linkedin یکپارچه سازی داده ها و توسعه API برای برنامه های کاربردی هوش مصنوعی (Mitalearn-440773)

  • 1 hours 32 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Janani Ravi
درباره این دوره:

این دوره مهارت‌هایی را که برای اتصال موفقیت‌آمیز منابع داده‌های مختلف و ساختن APIهایی نیاز دارید که تعامل یکپارچه بین مدل‌ها و برنامه‌های هوش مصنوعی را امکان‌پذیر می‌سازد، تشریح می‌کند. به مربی Janani Ravi بپیوندید زیرا او تکنیک‌های ضروری برای یکپارچه‌سازی داده‌ها و طراحی API کارآمد را پوشش می‌دهد و به شما نشان می‌دهد که چگونه از ارتباطات قوی در سیستم‌های مبتنی بر هوش مصنوعی اطمینان حاصل کنید. این دوره برای هر کسی که با هوش مصنوعی، زیرساخت داده و عملیات یادگیری ماشین (MLOps) کار می کند، از جمله مهندسان داده، مهندسان هوش مصنوعی و ML و توسعه دهندگان نرم افزار مناسب است.

Suggestions