Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 72 items.

linkedin آموزش ضروری Apache Spark: مهندسی داده های بزرگ (Mitalearn-411346)

  • 1 hours 4 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

مهندسی داده ها پایه و اساس ساخت و ساز برنامه های کاربردی علوم داده در دنیای جدید داده های بزرگ است. مهندسی داده ها برای ساخت خطوط لوله و شبکه های داده برای پخش ، پردازش و ذخیره داده ها نیاز به ترکیب چندین فناوری داده بزرگ دارد. این دوره بر ساختن راه حل های تمام عیار که Apache Spark را با سایر ابزارهای داده بزرگ برای ایجاد خطوط لوله داده نهایی به پایان می رساند ، متمرکز شده است. مربی Kumaran Ponnambalam با تعریف مهندسی داده ها ، کارکردهای آن و مفاهیم آن آغاز می شود. در مرحله بعد ، Kumaran به این نتیجه می رسد که قابلیت های جرقه ای مانند پردازش موازی ، برنامه های اجرای ، گزینه های مدیریت دولت و یادگیری ماشین با عصاره ، تبدیل ، بار (ETL) چگونه است. او شما را به موارد و فرآیندهای استفاده از پردازش دسته ای و همچنین خطوط لوله پردازش در زمان واقعی معرفی می کند. پس از طی کردن چندین روش مفید ، کوماران با یک پروژه تمرینی پایان به پایان نتیجه می گیرد.

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 استراتژی داده های هوش مصنوعی: تهیه و ذخیره داده ها (Mitalearn-440994)

  • 2 hours 27 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Lillian Pierson, P.E.
درباره این دوره:

این دوره برای توسعه دهندگان، مهندسان یادگیری ماشین، مهندسان داده، دانشمندان داده و متخصصان ابری طراحی شده است که می خواهند بر هنر توسعه استراتژی داده در توسعه محصول هوش مصنوعی مسلط شوند. بیاموزید که چگونه داده های ساختاریافته و بدون ساختار را به طور موثر منبع، پاکسازی و مدیریت کنید تا یادگیری ماشینی و مدل های هوش مصنوعی مولد را بهینه کنید. این دوره همچنین موضوعات پیشرفته‌ای مانند ذخیره‌سازی داده‌ها، تضمین انطباق، و ایمن‌سازی داده‌ها در محیط‌های مبتنی بر هوش مصنوعی را پوشش می‌دهد. از طریق درس‌های عملی و مطالعات موردی در دنیای واقعی، مدیران محصول هوش مصنوعی، بنیان‌گذاران استارت‌آپ‌های فناوری، و مدیران فناوری نیز می‌توانند بینش‌های ارزشمندی در مورد اینکه چگونه تصمیم‌های داده‌های استراتژیک می‌توانند باعث موفقیت محصول و نوآوری شوند، به دست آورند. چه در حال ساخت محصولات هوش مصنوعی باشید و چه بر استقرار آنها نظارت می کنید، این دوره شما را با مهارت های داده ضروری برای پیشرفت در صنایع مبتنی بر هوش مصنوعی مجهز می کند.

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 انتقال از علم داده به مهندسی داده (Mitalearn-393275)

  • 47 minutes
  • مناسب همه
  • Release date: 23 February 2024
  • Author: Pooja Jain
درباره این دوره: 

 

اگر واقعاً می‌خواهید اطلاعات خود را استخراج کنید، باید بدانید که چگونه داده‌های خود را تغییر دهید. در این دوره، مربی پوجا جین به شما نشان می‌دهد که چگونه مهارت‌های خود را به‌عنوان یک دانشمند داده به سطح بالاتری برسانید و مهندس داده شوید.

مبانی مهندسی داده و چشم‌انداز شغلی پیش‌بینی‌شده این نقش را کاوش کنید. یک نمای کلی جامع از مخزن داده، از جمله مزایا، معایب، و جنبه های مختلف انبار داده و دریاچه داده دریافت کنید. Pooja بینش هایی در مورد پردازش داده ها، امنیت و انطباق و همچنین محاسبات ابری برای مهندسان داده ارائه می دهد. در پایان این دوره، شما به دانش فنی و مهارت هایی که برای تغییر از دانشمند داده به مهندس داده به آسانی نیاز دارید، مجهز خواهید شد.


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 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 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.

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 تبدیل داده برای مهندسی داده (Mitalearn-443952)

  • 3 hours 30 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Matt Palmer
درباره این دوره:

اصول تبدیل داده ها با پانداها و DuckDB SQL ضروری ترین مفاهیم و بهترین شیوه ها را در قالبی واضح و مختصر ارائه می دهد که به دانش آموزان اجازه می دهد از نویز و پیچیدگی کنار بیایند. در حالی که این دوره به جای محدود گسترده است، برای کمک به شما در درک گزینه های خود برای توسعه و انتخاب آگاهانه در مورد مکان دقیق طراحی شده است.

مدرس مت پالمر تحول را در سه محیط جداگانه پوشش می‌دهد: تبدیل داده در دریاچه، تبدیل داده در انبار، و تبدیل داده در خانه‌های دریاچه داده.

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.

Suggestions