کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 1 تا 4 مورد از کل 4 مورد.

linkedin Apache Iceberg: From Zero to Production Data Lakehouse (Mitalearn-450871)

  • 2 ساعت 24 دقیقه
  • مناسب همه
  • انتشار: 3 April 2026
  • مدرس: Snowflake, Inc
درباره این دوره:

<p>از آنجایی که سازمان‌ها به طور فزاینده‌ای از معماری داده‌های باز استفاده می‌کنند، Apache Iceberg - یک قالب جدول باز و قابل تعامل که انعطاف‌پذیری یک دریاچه داده را با قابلیت اطمینان یک پایگاه داده ارائه می‌دهد - به یک فناوری کلیدی برای ساخت خانه‌های دریاچه‌ای مدرن تبدیل شده است. نحوه تنظیم، مدیریت و بهینه سازی جداول Apache Iceberg برای حجم کاری تولید را با این دوره عملی کشف کنید. مفاهیم اصلی مانند پارتیشن بندی پنهان، تکامل طرحواره و استراتژی های انتقال داده را کاوش کنید، سپس به موضوعات پیشرفته تر از جمله مدیریت همزمان، استراتژی های نوشتن و نگهداری جدول بروید. این دوره برای مهندسان داده، مهندسان تجزیه و تحلیل، مهندسان پلت فرم داده و معماران داده طراحی شده است که با دریاچه های داده کار می کنند و می خواهند زیرساخت داده خود را مدرن کنند. همچنین برای مهندسان نرم‌افزاری که به نقش‌های داده و سرنخ‌های فنی که Apache Iceberg را برای سازمان‌هایشان ارزیابی می‌کنند، ارزشمند است.</p> <p>در حالی که این دوره توسط Snowflake, Inc. ایجاد شده است، به روشی مبتنی بر پلتفرم ساخته شده است به طوری که یادگیری ها می توانند در فناوری های مختلف داده اعمال شوند. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

مهارت‌های مرتبط

coursera تجزیه و تحلیل مجموعه داده ها و آموزش مدل های ML با استفاده از AutoML (Mitalearn-336512)

  • 2 ساعت 51 دقیقه
  • مناسب همه
  • انتشار: 23 June 2026
  • مدرس: Antje Barth
درباره این دوره:

در اولین دوره تخصصی تخصصی علم داده های عملی، مفاهیم اساسی برای تجزیه و تحلیل داده های اکتشافی (EDA)، یادگیری ماشین خودکار (AutoML) و الگوریتم های طبقه بندی متن را خواهید آموخت. با Amazon SageMaker Clarify و Amazon SageMaker Data Wrangler، یک مجموعه داده را برای سوگیری آماری تجزیه و تحلیل می‌کنید، مجموعه داده را به ویژگی‌های قابل خواندن ماشین تبدیل می‌کنید و مهم‌ترین ویژگی‌ها را برای آموزش یک طبقه‌بندی متن چند کلاسه انتخاب می‌کنید. سپس یادگیری ماشین خودکار (AutoML) را برای آموزش خودکار، تنظیم و استقرار بهترین الگوریتم طبقه بندی متن برای مجموعه داده داده شده با استفاده از Amazon SageMaker Autopilot انجام خواهید داد. در مرحله بعد، شما با Amazon SageMaker BlazingText، یک پیاده سازی بسیار بهینه و مقیاس پذیر از الگوریتم محبوب FastText، برای آموزش یک طبقه بندی متن با کد بسیار کمی کار خواهید کرد. علم داده های عملی برای مدیریت مجموعه داده های عظیمی طراحی شده است که در سخت افزار محلی شما مناسب نیستند و می توانند از منابع متعدد نشات گرفته باشند. یکی از بزرگترین مزایای توسعه و اجرای پروژه‌های علم داده در فضای ابری، چابکی و انعطاف‌پذیری است که ابر برای افزایش و کاهش با حداقل هزینه ارائه می‌دهد. تخصص عملی علم داده به شما کمک می کند تا مهارت های عملی را برای به کارگیری مؤثر پروژه های علم داده خود و غلبه بر چالش ها در هر مرحله از گردش کار ML با استفاده از Amazon SageMaker توسعه دهید. این تخصص برای توسعه دهندگان، دانشمندان و تحلیلگران متمرکز بر داده طراحی شده است که با زبان های برنامه نویسی Python و SQL آشنا هستند و می خواهند یاد بگیرند که چگونه خطوط لوله ML مقیاس پذیر و سرتاسر مقیاس پذیر را بیاموزند - هم خودکار و هم انسانی. -the-loop - در ابر AWS.

linkedin دریافت داده ها با پایتون (Mitalearn-185212)

  • 1 ساعت 24 دقیقه
  • متوسط
  • بروزرسانی: 21 June 2026
  • مدرس: Miki Tebeka
درباره این دوره:

بخش قابل توجهی از روز یک دانشمند داده اغلب صرف واکشی و تمیز کردن داده هایی می شود که برای آموزش الگوریتم های خود نیاز دارند. در این دوره آموزشی، یاد بگیرید که چگونه از ابزارها و تکنیک های پایتون برای به دست آوردن داده های مرتبط و با کیفیت مورد نیاز خود استفاده کنید. مربی Miki Tebeka خواندن فایل‌ها، از جمله نحوه کار با فایل‌های CSV، XML و JSON را پوشش می‌دهد. او همچنین در مورد فراخوانی APIها، خراش دادن وب (و اینکه چرا باید آخرین راه حل باشد)، و اعتبارسنجی و تمیز کردن داده ها بحث می کند. به علاوه، نحوه ایجاد و نظارت بر شاخص‌های عملکرد کلیدی (KPI) را بیابید که به شما در نظارت بر خط لوله داده‌هایتان کمک می‌کنند.

linkedin کیفیت داده ها: تراکنش ها، مصرف ها و ذخیره سازی (Mitalearn-455750)

  • 49 دقیقه
  • مناسب همه
  • انتشار: 7 November 2025
  • مدرس: Mark Freeman
درباره این دوره:

<p>به عنوان یک مهندس داده های فنی مهارت داشته باشید. در این دوره آموزشی در سطح پیشرفته، ملزومات جمع آوری داده ها، تراکنش ها، جذب و ذخیره سازی را کاوش کنید. در طول مسیر، راهنمایی‌هایی را از مربی، مهندس داده و رهبر فناوری مارک فریمن دریافت کنید، زیرا او به شما نشان می‌دهد چگونه مشکلات رایج کیفیت داده را شناسایی و برطرف کنید.</p><p>این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابری فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه‌اندازی ماشین محلی ارائه می‌کند، ادغام شده است. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای آشنایی با نحوه شروع کار، «استفاده از فضاهای کد GitHub» را با این دوره بررسی کنید.</p>

دوره‌های پیشنهادی