این دوره یک درک اساسی از Amazon Redshift، یک پایگاه داده ستونی توزیع شده در ابر AWS ارائه می دهد. ادغام آن در اکوسیستم AWS و ساختارهای SQL آن، از جمله عبارات جدول رایج و جستارهای تحلیلی را کاوش کنید. ایجاد جداول، مدیریت توزیع داده ها، مدیریت فایل های داده خام و استخراج اطلاعات از JSON را بیاموزید. علاوه بر این، پرس و جوها را بهینه کنید، عملکرد را تنظیم کنید و امنیت داده ها را افزایش دهید. در پایان دوره، شما تسلط قوی بر SQL در Redshift و دانش و مهارت های لازم برای استفاده موثر از Redshift خواهید داشت.

به دنیای Snowflake شیرجه بزنید! این دوره به شما اصول Snowflake SQL را آموزش می دهد - طعم منحصر به فرد SQL که برای تعامل با انبارهای داده Snowflake استفاده می شود. خواهید دید که Snowflake SQL چگونه با PostgreSQL مقایسه و در تضاد است و در مورد انواع داده ها و توابع اطلاعاتی کسب خواهید کرد. این دوره شما را با رویکردهای مختلف برای ساخت پرس و جوهای پیچیده SQL، از جمله اتصالات طبیعی و جانبی، پرس و جو فرعی و عبارات جدول رایج آشنا می کند. با بررسی تکنیک‌هایی برای بهینه‌سازی پرسش‌های خود به پایان رسید و نحوه ذخیره و جستجوی مؤثر داده‌های نیمه ساختاریافته را کشف کنید!

اگر با SQL آشنایی دارید و چیزهای خوبی در مورد Apache Spark شنیده اید، این دوره برای شما مناسب است. Apache Spark یک چارچوب محاسباتی برای پردازش داده های بزرگ است و Spark SQL جزء Apache Spark است. این دوره چهار ساعته به شما نشان می دهد که چگونه با استفاده از ویژگی های پیشرفته SQL، مانند توابع پنجره، Spark را به سطح جدیدی از سودمندی ببرید.

در طول چهار فصل، از Spark SQL برای تجزیه و تحلیل داده‌های سری زمانی، استخراج رایج‌ترین کلمات از یک سند متنی، ایجاد مجموعه ویژگی‌ها از متن زبان طبیعی و استفاده از آنها برای پیش‌بینی آخرین کلمه در جمله با استفاده از رگرسیون لجستیک استفاده می‌کنید.

شما با ایجاد و جست‌وجوی یک جدول SQL در Spark و همچنین یادگیری نحوه استفاده از توابع پنجره SQL برای انجام مجموع‌های در حال اجرا، تفاوت‌های در حال اجرا و سایر عملیات‌ها شروع می‌کنید.

در مرحله بعد، نحوه استفاده از تابع پنجره در Spark SQL را برای پردازش زبان طبیعی، از جمله استفاده از تجزیه و تحلیل پنجره متحرک برای یافتن توالی کلمات رایج، بررسی خواهید کرد.

در فصل 3، نحوه استفاده از SQL Spark UI را برای ذخیره سازی مناسب DataFrames و جداول SQL قبل از کاوش در بهترین شیوه ها برای ورود به Spark، خواهید آموخت.

در نهایت، شما از تمام مهارت‌هایی که تاکنون آموخته‌اید برای بارگیری و نشانه‌گذاری متن خام قبل از استخراج دنباله‌های کلمه استفاده می‌کنید. سپس از رگرسیون لجستیک برای طبقه بندی متن استفاده می کنید و از داده های خام زبان طبیعی برای آموزش یک طبقه بندی متن استفاده می کنید.

این دوره معرفی کاملی از Spark SQL ارائه می‌کند، و در پایان، شما اصول اولیه را کاملاً درک خواهید کرد و خواهید فهمید که Spark چگونه قدرت محاسبات توزیع‌شده را با سهولت استفاده از Python و SQL ترکیب می‌کند.

R عمدتاً برای کمک به نوشتن کد تجزیه و تحلیل داده ها به سرعت و خوانا بهینه شده است. Apache Spark برای تجزیه و تحلیل سریع مجموعه داده های عظیم طراحی شده است. بسته sparklyr به شما امکان می دهد کد dplyr R را بنویسید که روی یک کلاستر Spark اجرا می شود و بهترین های هر دو دنیا را در اختیار شما قرار می دهد. این دوره به شما می آموزد که چگونه Spark DataFrames را با استفاده از رابط dplyr و رابط بومی Spark و همچنین استفاده از تکنیک های یادگیری ماشینی دستکاری کنید. در طول دوره، مجموعه داده میلیون آهنگ را کاوش خواهید کرد.

بسیاری از داده‌های خام جهان - از سوابق پزشکی الکترونیکی گرفته تا تراکنش‌های مشتری - در پایگاه‌های داده رابطه‌ای ذخیره می‌شوند، و توانایی دستکاری و بازیابی این داده‌ها مهارتی است که به طور فزاینده‌ای مورد جستجو قرار می‌گیرد.

در این مقدمه دو ساعته SQL، تئوری و عمل استخراج و سازماندهی داده ها را خواهید آموخت. شما بهترین شیوه های پایگاه داده، پرس و جوهای SQL، و انواع محبوب SQL مانند PostgreSQL و SQL Server را پوشش خواهید داد. در پایان دوره، شما تجربه عملی در SQL و زمینه شروع به کارگیری آن در پروژه های خود خواهید داشت.

ویدیوها حاوی رونوشت‌های زنده هستند که می‌توانید با کلیک کردن روی «نمایش رونوشت» در پایین سمت چپ ویدیوها آن را نشان دهید.

واژه نامه دوره، مواد تبلیغاتی و اهداف یادگیری دقیق را می توان در سمت راست در بخش منابع یافت.

برای کسب اعتبارات CPE باید دوره را تکمیل کنید و در ارزیابی واجد شرایط به نمره 70% برسید. می‌توانید با کلیک بر روی علامت اعتبارات CPE در سمت راست به ارزیابی بروید.

به اصول اولیه Microsoft SQL Server مسلط شوید—یکی از محبوب ترین سیستم های پایگاه داده در جهان. این دوره شامل: ✓ نحوه استفاده از دستورات SELECT برای بازیابی داده ها ✓ نحوه استفاده از توابع جمع SQL Server ✓ نحوه دستکاری فیلدهای متنی ✓ نحوه بازیابی داده ها از چندین منبع ✓ تمام جنبه های کلیدی کار با داده ها در SQL Server هر بار که با یک مفهوم یا عملکرد جدید آشنا می شوید، این فرصت را خواهید داشت که دانش خود را آزمایش کنید و اعتماد به نفس خود را تقویت کنید. شما با یک پایگاه داده رسانه های دیجیتال کار خواهید کرد تا فروش هنرمندان و آهنگ های مختلف، مجموعه داده های یوروویژن، و روند قطع برق ایالات متحده را بررسی کنید تا انواع مختلف داده ها و سناریوها را بررسی کنید.

اصول SQL را با استفاده از هوش مصنوعی بیاموزید. در این دوره مبتدی، شما یاد خواهید گرفت که برای تولید پرس و جوهای SQL، کدهای به دست آمده را بنویسید و پایگاه داده ها را به طور موثر بررسی کنید. شما با عبارات SELECT شروع می کنید و از طریق جداول، انواع داده ها، شمارش و یافتن مقادیر منحصر به فرد پیشرفت خواهید کرد. شما روی تمرین مهارت‌های دنیای واقعی مانند نوشتن اعلان‌های واضح، درک نحو SQL و دانستن زمان تنظیم آنچه که AI تولید می‌کند تمرکز خواهید کرد. در پایان دوره، شما با اطمینان داده ها را بازیابی می کنید و با استفاده از هوش مصنوعی به سوالات تجاری با SQL پاسخ می دهید.

چندی پیش، الگوریتم‌های بینایی کامپیوتری پیشرفته نمی‌توانستند بین تصاویر گربه‌ها و سگ‌ها تفاوت قائل شوند. امروزه، یک دانشمند داده ماهر که به چیزی بیش از یک لپ تاپ مجهز نیست، می تواند ده ها هزار شی را با دقتی بیشتر از چشم انسان طبقه بندی کند. در این دوره، از TensorFlow 2.6 برای توسعه، آموزش و پیش‌بینی مدل‌هایی استفاده خواهید کرد که پیشرفت‌های عمده‌ای را در سیستم‌های توصیه، طبقه‌بندی تصاویر و فین‌تک انجام داده‌اند. شما هم API های سطح بالا را یاد خواهید گرفت که به شما امکان می دهد مدل های یادگیری عمیق را در 15 خط کد طراحی و آموزش دهید و هم API های سطح پایین را که به شما امکان می دهد فراتر از روال های معمولی بروید. همچنین یاد خواهید گرفت که قیمت مسکن، پیش‌فرض‌های کارت اعتباری وام گیرنده، و تصاویر حرکات زبان اشاره را به‌طور دقیق پیش‌بینی کنید.

این مقدمه ای بر زبان برنامه نویسی R است که بر روی مجموعه ای قدرتمند از ابزارها به نام Tidyverse تمرکز دارد. با استفاده از ابزارهای dplyr و ggplot2، فرآیندهای درهم تنیده دستکاری و تجسم داده ها را یاد خواهید گرفت. شما یاد خواهید گرفت که با فیلتر کردن، مرتب‌سازی و خلاصه کردن مجموعه داده‌های واقعی از داده‌های کشور تاریخی، داده‌ها را دستکاری کنید تا به سؤالات اکتشافی پاسخ دهید. سپس یاد خواهید گرفت که با بسته ggplot2 این داده های پردازش شده را به نمودارهای خطی، نمودارهای نواری، هیستوگرام و موارد دیگر تبدیل کنید. ارزش تجزیه و تحلیل داده های اکتشافی و قدرت ابزار Tidyverse را خواهید چشید. این یک مقدمه مناسب برای کسانی است که تجربه قبلی در R ندارند و علاقه مند به انجام تجزیه و تحلیل داده ها هستند.