Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 62 items.

linkedin پروژه مهندسی تحلیلی دستی (Mitalearn-421920)

  • 30 minutes
  • مناسب همه
  • Release date: 14 June 2024
  • Author: Connor Dickson
درباره این دوره: 

 

این دوره به مهندسان تحلیلی می آموزد که چگونه داده ها را از یک منبع خارجی برای استفاده در تجسم به پایگاه داده خط لوله می کنند. چنین کارهایی اغلب از یک مهندس متوسط ​​تجزیه و تحلیل مورد نیاز است. شرکت مدرن نسبت به گذشته به داده ها دسترسی بیشتری دارد. مهندسان تحلیلی در دسترسی به این داده ها برای ذینفعان بسیار مهم هستند. در این دوره ، مربی کانر دیکسون سناریویی را ارائه می دهد که در آن یک پشته داده کار دارید و یک ذینفع از شما خواسته است که داده های موجود را از یک منبع بگیرید ، آن را به پایگاه داده بیاورید ، آن را تغییر دهید و در نهایت آن را تجسم کنید تا ارزش و بینش را ارائه دهد.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، فیلم "نحوه استفاده از CodeSpaces" را بررسی کنید.


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 تجزیه و تحلیل داده های بزرگ با Hadoop و Apache Spark (Mitalearn-442847)

  • 51 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

Apache Hadoop پیشگام در دنیای فناوری های کلان داده بود و همچنان در ذخیره سازی کلان داده های سازمانی پیشتاز است. Apache Spark برترین موتور پردازش داده های بزرگ است و مجموعه ای چشمگیر از ویژگی ها و قابلیت ها را ارائه می دهد. هنگامی که با هم استفاده می شود، سیستم فایل توزیع شده Hadoop (HDFS) و Spark می توانند یک راه اندازی واقعا مقیاس پذیر برای تجزیه و تحلیل داده های بزرگ ارائه دهند. در این دوره، کوماران پونامبالام، متخصص تجزیه و تحلیل داده، به شما نشان می دهد که چگونه از این دو فناوری برای ایجاد خطوط لوله تجزیه و تحلیل داده مقیاس پذیر و بهینه استفاده کنید. کاوش راه هایی برای بهینه سازی مدل سازی و ذخیره سازی داده ها در HDFS؛ بحث در مورد مصرف و استخراج داده های مقیاس پذیر با استفاده از Spark. و نکات قابل اجرا برای بهینه سازی پردازش داده ها در Spark را مرور کنید. به علاوه، یک پروژه مورد استفاده را تکمیل کنید که به شما امکان می دهد تکنیک های جدید خود را تمرین کنید.

linkedin راهبردهای حل مسئله برای مهندسان داده (Mitalearn-393292)

  • 1 hours 55 minutes
  • مناسب همه
  • Release date: 30 June 2023
  • Author: Andreas Kretz
درباره این دوره: 

 مهندسان داده هر روز با طیف گسترده ای از مشکلات و اغلب با انواع مختلفی از مشکلات روبرو می شوند. در این دوره، آندریاس کرتز، مهندس داده، شما را از طریق انواع مشکلات رایجی که ممکن است با آنها روبرو شوید، راهنمایی می کند و استراتژی های حل مسئله خود را برای مشکلات معمولی در تمام مراحل پروژه های مهندسی به اشتراک می گذارد. آندریاس به شما می آموزد که چگونه تشخیص دهید که در کدام مرحله از یک پروژه داده قرار دارید - برنامه ریزی، طراحی، اجرا و عملیات - و راه حل هایی را با هدف مشکلاتی که ممکن است در هر مرحله با آنها روبرو شوید به اشتراک می گذارد. آندریاس به شما می‌آموزد که چگونه شاخص‌های کلیدی عملکرد دانش (KPI) را در برنامه‌ریزی شناسایی کنید، چگونه هزینه‌ها را پیش‌بینی کنید و در مرحله طراحی مقیاس بهتری داشته باشید، چرایی و چگونه ارزیابی ریسک را توضیح می‌دهد، و نکاتی را در مورد رفع اشکال و راه‌هایی که می‌توانید بهبود دهید به اشتراک می‌گذارد. روند شما اگر به دنبال راه‌های بهتری برای مقابله با مسائل مهندسی داده‌ها هستید، در این دوره آموزشی با Andreas همراه باشید تا مهارت‌های حل مسئله خود را به سطح بالاتری برسانید.

linkedin راهنمای کامل SQL برای مهندسی داده ها: از مبتدی تا پیشرفته (Mitalearn-415358)

  • 7 hours 11 minutes
  • مناسب همه
  • Update date: 24 October 2025
  • Author: Deepak Goyal
درباره این دوره: 

 

آیا به دنبال بلند شدن و دویدن با SQL به عنوان مهندس داده هستید ، اما مطمئن نیستید که از کجا شروع کنید؟ در این دوره ، مربی Deepak Goyal یک مرور کلی از SQL را که به طور خاص در مهندسان داده ها هدف قرار گرفته است ، از نمایش داده های اساسی و کارهای تحلیلی گرفته تا توابع پیشرفته و مدیریت داده ها ارائه می دهد. چرا SQL یکی از زبانهای برنامه نویسی متداول و گسترده برای مهندسان داده است. مهارت های اساسی در دستکاری داده ها ، نمایش داده ها ، کارکردها ، نمایش ها و رویه های ذخیره شده ، فهرست ها و عملکرد ، امنیت بانک اطلاعاتی ، اشکال زدایی ، ETL و موارد دیگر را کاوش کنید. این دوره با یک پروژه نهایی در دنیای واقعی مبتنی بر تجزیه و تحلیل مطالبات بیمه نتیجه می گیرد. با استفاده از برنامه های GitHub ، می توانید از هر دستگاهی ، در هر زمان و در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، از هر دستگاهی استفاده کنید. برای یادگیری نحوه شروع کار ، از فیلم "استفاده از CodeSpaces GitHub با این دوره" دیدن کنید.


linkedin راهنمای کامل برای دیتابیک ها برای مهندسی داده ها (Mitalearn-415035)

  • 6 hours 9 minutes
  • مناسب همه
  • Release date: 28 February 2025
  • Author: Deepak Goyal
درباره این دوره: 

 در این دوره ، Master Databricks برای تبدیل شدن به یک مهندس داده ACE. بیاموزید که چگونه می توانید به صورت تخصصی اشکال زدایی ، پردازش و تجزیه و تحلیل مقادیر عظیمی از داده ها و ایجاد راه حل های مقیاس پذیر به عنوان مربی Deepak Goyal شما را از طریق شیرجه عمیق در مورد نحوه عملکرد پلت فرم Databricks راهنمایی کنید. تحول pyspark و Spark SQL را در پایگاه داده ها ، به همراه نحوه خواندن و نوشتن DataFrame در Databricks کاوش کنید. به علاوه ، در مورد دریاچه دلتا ، به بهینه سازی ها ، برنامه ریزی نوت بوک ، مدیریت خوشه ، گردش کار و موارد دیگر بیاموزید.

linkedin راهنمای کامل پایتون برای مهندسی داده ها: از مبتدی تا پیشرفته (Mitalearn-415290)

  • 5 hours 26 minutes
  • مناسب همه
  • Update date: 1 April 2025
  • Author: Deepak Goyal
درباره این دوره: 

 قبل از پیشرفت به موضوعات پیشرفته تر مخصوص مهندسی داده ، با اصول اولیه پایتون بلند شوید و اجرا کنید. در این دوره دستی و تعاملی ، به مربی Deepak Goyal بپیوندید تا طیف گسترده ای از کارهای مهندسی داده را در پایتون انجام دهید تا دانش فنی خود را تقویت کنید ، برای مصاحبه آماده شوید یا نقش جدیدی را به وجود آورید. این دوره شامل چالش های کد است که توسط CoderPad تهیه شده است. چالش های کد تمرینات برنامه نویسی تعاملی با بازخورد در زمان واقعی است ، بنابراین می توانید برای پیشبرد مهارت های برنامه نویسی خود ، از تمرین کد نویسی استفاده کنید. Deepak 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 اولیه زبان ، مجموعه های پایتون ، دست زدن به پرونده ، پاندا ، Numpy ، OOP و ابزارهای پیشرفته مهندسی داده را که از پایتون استفاده می کنند ، کاوش کنید. این دوره با یک پروژه نهایی متمرکز بر تجزیه و تحلیل خرده فروشی به پایان می رسد.

linkedin راهنمای کامل مهندسی تحلیلی (Mitalearn-414916)

  • 4 hours
  • مناسب همه
  • Release date: 9 September 2025
  • Author: Connor Dickson
درباره این دوره: 

 این دوره مفصل موضوعات و مهارتهای مورد نیاز برای موفقیت را به عنوان یک مهندس تحلیلی در بر می گیرد. مربی کانر دیکسون نشان می دهد که چگونه مهندسی تحلیلی شکاف بین مهندسی داده ها و تجزیه و تحلیل داده ها را نشان می دهد و می تواند به شما کمک کند یک چاقوی ارتش سوئیس مهارت های تحلیلی باشید. پس از اتمام این دوره ، شما باید بتوانید با استفاده از محبوب ترین ابزارهایی مانند SQL ، Python ، DBT ، Tableau و موارد دیگر با داده ها کار کنید.

coursera ساخت دریاچه های داده در AWS (Mitalearn-332738)

  • 2 hours 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rafael Lopes,Alex G.
درباره این دوره:

دوره سطح پایه معمولاً برای افرادی طراحی شده است که درک پایه ای از مفاهیم ذخیره سازی و پردازش داده دارند، اما تجربه قبلی در مورد ساخت دریاچه های داده در AWS به طور خاص کم یا بدون تجربه هستند. پس از مقدمه ای کوتاه در مورد دریاچه های داده، دریافت داده ها، فهرست نویسی و آماده سازی را معرفی می کنیم و در پایان با مروری بر داده های پرس و جو با آمازون آتنا به پایان می رسیم. این دوره با مروری بر سازند دریاچه AWS، از جمله یک آزمایشگاه عملی که در آن یک دریاچه داده بسازید، ادامه خواهد یافت. سپس پردازش داده و تجزیه و تحلیل را با استفاده از چسب AWS قبل از فرو رفتن در ایجاد دریاچه داده‌های خودکار با استفاده از طرح‌های Lake Formation معرفی می‌کنیم. در نهایت، ما با Modern Data Architectures در AWS با آزمایشگاهی که انتشار و مصرف محصولات داده را به عنوان یک سرویس پوشش می دهد، پایان می دهیم.

datacamp طراحی پایگاه داده (Mitalearn-399888)

  • 53 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Lis Sulmont
درباره این دوره:

طراحی پایگاه داده خوب برای یک برنامه کاربردی با کارایی بالا بسیار مهم است. همانطور که بدون بهره مندی از یک طرح اولیه شروع به ساختن خانه نمی کنید، باید از قبل به نحوه ذخیره داده هایتان فکر کنید. صرف زمان برای طراحی یک پایگاه داده باعث صرفه جویی در زمان و ناامیدی بعدا می شود و یک پایگاه داده به خوبی طراحی شده دسترسی آسان و بازیابی اطلاعات را تضمین می کند. هنگام انتخاب یک طرح، باید نکات زیادی را در نظر گرفت. در این دوره آموزشی، نحوه پردازش، ذخیره و سازماندهی داده ها را به روشی کارآمد یاد خواهید گرفت. خواهید دید که چگونه داده ها را از طریق عادی سازی ساختار دهید و داده های خود را با نماها ارائه دهید. در نهایت، یاد می‌گیرید که چگونه پایگاه داده خود را مدیریت کنید و همه این کارها بر روی مجموعه داده‌های مختلفی از فروش کتاب، کرایه اتومبیل، تا نقد موسیقی انجام می‌شود.

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.

datacamp مبانی کلان داده با PySpark (Mitalearn-400925)

  • 1 hours 9 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Upendra Kumar Devisetty
درباره این دوره:

در چند سال گذشته سر و صدای زیادی در مورد Big Data وجود داشته است و در نهایت برای بسیاری از شرکت ها به جریان اصلی تبدیل شده است. اما این کلان داده چیست؟ این دوره اصول Big Data را از طریق PySpark پوشش می دهد. Spark یک چارچوب "محاسبات خوشه ای سریع رعد و برق" برای داده های بزرگ است. این یک موتور پلت فرم پردازش داده کلی را ارائه می دهد و به شما امکان می دهد برنامه ها را تا 100 برابر سریعتر در حافظه یا 10 برابر سریعتر روی دیسک نسبت به Hadoop اجرا کنید. شما از PySpark، یک بسته Python برای برنامه نویسی Spark و کتابخانه های قدرتمند و سطح بالاتر آن مانند SparkSQL، MLlib (برای یادگیری ماشین) استفاده خواهید کرد. کارهای ویلیام شکسپیر را بررسی خواهید کرد، داده های Fifa 2018 را تجزیه و تحلیل خواهید کرد و بر روی مجموعه داده های ژنومی خوشه بندی خواهید کرد. در پایان این دوره، شما درک عمیقی از PySpark و کاربرد آن در تجزیه و تحلیل کلی داده های بزرگ به دست خواهید آورد.

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.

datacamp مفاهیم Databricks (Mitalearn-400874)

  • 1 hours 14 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kevin Barlow
درباره این دوره:

این دوره شما را از ابتدا تا انتها راهنمایی می کند که چگونه پلتفرم Databricks Lakehouse یک پلت فرم واحد، مقیاس پذیر و کارآمد را برای فرآیندهای داده شما فراهم می کند. همانطور که روی یک مجموعه داده دنیای واقعی کار می کنید، یاد خواهید گرفت که چگونه وظایف مختلفی را در پلت فرم Databricks انجام دهید. در طول این دوره، با ویژگی‌های مختلف پلتفرم Databricks Lakehouse آشنا می‌شوید و تمرین می‌کنید و خواهید دید که چگونه می‌توان آن‌ها را در موارد مختلف استفاده از داده اعمال کرد.

datacamp مفاهیم NoSQL (Mitalearn-402710)

  • 1 hours 2 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Miriam Antona
درباره این دوره:

در مورد NoSQL و تفاوت آن با SQL گیج شده اید؟ شما به جای مناسب آمده اید! در این دوره مفهومی (بدون نیاز به کدنویسی)، شما با چهار پایگاه داده اصلی NoSQL از جمله Key-Value، Document، Column-Family و Graph آشنا می شوید. شما در مورد چهار موتور محبوب NoSQL - از جمله Redis، MongoDB، Apache Cassandra و Neo4j- و زمان استفاده از آنها برای دستیابی به یک نیاز تجاری خاص آشنا خواهید شد. شما داده‌های یک شبکه اجتماعی خیالی را دنبال می‌کنید و یاد می‌گیرید که چگونه NoSQL می‌تواند به آن‌ها در مدیریت و استخراج بینش از داده‌های بدون ساختار مانند پست‌های اجتماعی کمک کند. در نهایت، موارد استفاده واقعی از زمانی که پایگاه‌های داده NoSQL استفاده می‌شد را مطالعه می‌کنید — به شما دانش لازم برای ذخیره مؤثر داده‌ها در هر شرایطی را می‌دهد.

datacamp مفاهیم جریان (Mitalearn-403917)

  • 50 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Mike Metzger
درباره این دوره:

استریمینگ جنبه بزرگی از دنیای داده در حال حاضر است و تقریباً در هر صنعت از تولید تا مراقبت های بهداشتی استفاده می شود. آیا می‌خواهید درباره مفاهیم کلی پشت خطوط لوله داده و نحوه عملکرد فرآیندها بیشتر بدانید؟

این دوره مقدمه ای کلی بر مفاهیم استریم از جمله دسته بندی، صف بندی، و پردازش جریانی همراه با جایی که آنها در چارچوب های پردازش داده قرار می گیرند، ارائه می دهد. این نمونه‌های واقعی از نحوه اجرای استریم در تولید را پوشش می‌دهد. این به عنوان یک مقدمه کلی برای این مفاهیم طراحی شده است و به پیشینه گسترده ای در پردازش داده ها نیاز ندارد.

datacamp مفاهیم ذخیره سازی داده ها (Mitalearn-400058)

  • 1 hours 2 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Aaren Stubberfield
درباره این دوره:

این دوره مقدماتی و مفهومی به شما کمک می کند تا اصول انبارداری داده را درک کنید. از طریق نمونه‌های صنعتی و مجموعه داده‌های دنیای واقعی، درک قوی از مبانی انبار داده‌ها به دست خواهید آورد.

برخی پیش‌بینی کرده‌اند که انتظار می‌رود بازار جهانی انبار داده در سال 2028 به بیش از 50 میلیارد دلار برسد. این صنعت طی سال‌ها به تکامل خود ادامه داده است و یکی از اجزای حیاتی انقلاب داده برای بسیاری از سازمان‌ها بوده است. هرگز زمان بهتری برای یادگیری در مورد انبار داده وجود نداشته است.

datacamp مقدمه ای بر BigQuery (Mitalearn-401758)

  • 58 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Matt Forrest
درباره این دوره:

این دوره را برای بینش عملی در مورد تجزیه و تحلیل داده ها آغاز کنید. معماری BigQuery را کاوش کنید، پرس و جوهای تحلیلی را اجرا کنید و گردش کار را بهینه کنید. در پیمایش مجموعه داده ها، عناصر پرس و جو و دستکاری داده ها اعتماد به نفس به دست آورید. تکنیک های پیشرفته برای تجزیه و تحلیل کارآمد را باز کنید و در هنر پیوستن به داده ها مسلط شوید. پس از تکمیل، BigQuery را به طور موثر پیمایش کنید، پرس و جوها را بهینه کنید و داده ها را به سرعت تجزیه و تحلیل کنید.

datacamp مقدمه ای بر Databricks (Mitalearn-400296)

  • 27 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kevin Barlow
درباره این دوره:

به دنیای Databricks خوش آمدید! در این دوره، شما با پلتفرم Databricks Lakehouse آشنا می شوید و خواهید فهمید که چگونه معماری داده ها را با استفاده از پارادایم جدید Lakehouse مدرن می کند. شما اجزای اساسی Databricks از جمله UI، معماری پلتفرم و مدیریت فضای کاری را بررسی خواهید کرد. تمرین‌های تعاملی شما را از طریق پرسش‌های SQL، ویژگی‌های پلتفرم و اتصالات سیستم خارجی برای مدیریت کارآمد داده و یکپارچه‌سازی یکپارچه راهنمایی می‌کنند. علاوه بر این، شما در پلتفرم Databricks Data Intelligence که مدیریت داده ها، قابلیت های محاسباتی، مدیریت کاتالوگ و جذب داده ها را پوشش می دهد، کاوش خواهید کرد. همچنین یاد خواهید گرفت که از Databricks به‌عنوان راه‌حل ذخیره‌سازی داده برای هوش تجاری (BI) استفاده کنید و از قابلیت‌های بهینه‌شده SQL برای ایجاد پرسش‌ها و تجزیه و تحلیل داده‌ها استفاده کنید.

Suggestions