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.

 

مهندسی تجزیه و تحلیل نقش نسبتا جدیدی در زمینه داده است. اگر به دنبال شروع حرفه ای به عنوان یک مهندس تجزیه و تحلیل یا استخدام برای یک موقعیت مهندسی تجزیه و تحلیل در شرکت خود هستید، این دوره می تواند اطلاعاتی را که برای شروع کار نیاز دارید در اختیار شما قرار دهد. مربی و مهندس تجزیه و تحلیل Amataverna Lee شما را راهنمایی می کند که مهندسی تجزیه و تحلیل چیست، چرا اهمیت دارد و کدام نقش ها می توانند به راحتی به مهندسی تجزیه و تحلیل تبدیل شوند. او مدل سازی داده ها، انبارهای داده ابری، ابزارهای خط لوله داده و ابزارهای هوش تجاری را توضیح می دهد. Amataverna چندین روش برتر مهندسی نرم افزار را بررسی می کند. به علاوه، او به شما نشان می‌دهد که چگونه اسناد و ارتباطات در نقش‌های مهندسی تحلیل مهم هستند.

 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.

 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.

 این دوره پیشرفته شکاف بین مهندسی داده های سنتی و برنامه های مدرن هوش مصنوعی را از طریق نمودارهای دانش ایجاد می کند. مربی Ashleigh Faith که برای دانشمندان و مهندسان داده طراحی شده است ، مروری بر یک چارچوب عملی برای اجرای راه حل های هوش مصنوعی نوروسیمبولیک ارائه می دهد. بیاموزید که چگونه نیاز به ارزیابی نیازهای داده ، ایجاد نمودارهای دانش قوی ، اجرای فرآیندهای ETL کارآمد و رسیدگی به چالش های پیچیده وضوح موجودیت را داشته باشید. در طول راه ، اشلی کاربردهای دنیای واقعی ، مشکلات رایج و بهترین شیوه ها برای ایجاد راه حل های نمودار دانش قابل حفظ و مقیاس پذیر را پوشش می دهد که می تواند با سیستم های AI ادغام شود.

 آیا به دنبال راهی بهتر و آسان تر برای مدیریت کد SQL هستید؟ در این دوره، مدرس Vinoo Ganesh به شما نشان می دهد که چگونه از dbt (ابزار ساخت داده) برای عملیاتی کردن SQL به روش های قدرتمند استفاده کنید و فرآیند تبدیل داده ها را ساده تر و سریع تر کنید. در هر فصل، Vinoo یک موقعیت یا مشکل در دنیای واقعی را ارائه می‌کند و نمونه‌های کد متمرکزی را ارائه می‌کند که نحوه حل مشکل را توضیح می‌دهد. او به شما نشان می دهد که چگونه می توانید مدل های dbt را برای حل چالش های اساسی و پیشرفته طراحی و پیاده سازی کنید، موضوعاتی مانند طراحی طرحواره، تولید فایل های مدل SQL، متریال سازی جدول، اجرای CTE ها و تست های واحد SQL را پوشش می دهد. با Vinoo در این دوره همراه باشید تا مهارت های SQL خود را ارتقا دهید و مدیریت کد خود را آسان تر کنید.

 قدرت و تطبیق پذیری پایتون - همراه با اکوسیستم بزرگ آن از بسته های شخص ثالث - آن را برای دانشمندان داده ضروری می کند. در این دوره، مدرس Harshit Tyagi نکات و تکنیک‌های عملی را به اشتراک می‌گذارد که می‌تواند به شما در بهبود گردش کار علم داده پایتون کمک کند. Harshit نحوه کار با نوت بوک های IPython از جمله نحوه اشکال زدایی خطاها را پوشش می دهد. او نحوه استفاده از NumPy را برای دستکاری آرایه ها و همچنین نحوه کار با پانداها، ابزار دستکاری و تجزیه و تحلیل داده ها را نشان می دهد. او نکاتی را برای تجسم داده‌های شما با Matplotlib ارائه می‌کند و نحوه اضافه کردن متن به نمودارها و حاشیه‌نویسی عناصر در نمودار را توضیح می‌دهد. به‌علاوه، بهترین روش‌ها را برای کار با scikit-learn و همچنین سایر نکات یادگیری ماشینی دریافت کنید.