Course catalog

Categories

Showing 1-3 of 3 items.

coursera پشتیبانی از پایگاه داده رابطه ای برای انبارهای داده (Mitalearn-335084)

  • 4 hours 27 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael Mannino
درباره این دوره:

پشتیبانی از پایگاه داده رابطه ای برای انبارهای داده، سومین دوره تخصصی در زمینه ذخیره سازی داده برای هوش تجاری است. در این دوره از عناصر تحلیلی SQL برای پاسخ به سوالات هوش تجاری استفاده خواهید کرد. شما ویژگی های سیستم های مدیریت پایگاه داده رابطه ای را برای مدیریت داده های خلاصه که معمولاً در گزارشگری هوش تجاری استفاده می شود، یاد خواهید گرفت. به دلیل اهمیت و دشواری مدیریت پیاده‌سازی انبارهای داده، ما همچنین به معماری‌های ذخیره‌سازی، پردازش موازی مقیاس‌پذیر، حاکمیت داده‌ها و تأثیرات کلان داده خواهیم پرداخت. در تکالیف این دوره می توانید از Oracle یا PostgreSQL استفاده کنید.

coursera طراحی و ساخت انبار داده برای پیاده سازی هوش تجاری (Mitalearn-334693)

  • 1 hours 33 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael Mannino,Jahangir Karimi
درباره این دوره:

دوره اصلی، طراحی و ساخت انبار داده برای پیاده سازی هوش تجاری، دارای یک مطالعه موردی در دنیای واقعی است که یادگیری شما را در تمام دوره های تخصصی یکپارچه می کند. در پاسخ به الزامات کسب و کار ارائه شده در یک مطالعه موردی، شما یک انبار داده کوچک طراحی و می سازید، گردش های کاری یکپارچه سازی داده ها را برای تازه سازی انبار ایجاد می کنید، بیانیه های SQL را برای پشتیبانی از الزامات پرس و جو تحلیلی و خلاصه می نویسید، و از پلت فرم هوش تجاری MicroStrategy استفاده می کنید. داشبورد و تجسم ایجاد کنید. در بخش اول دوره Capstone، با یک شرکت متوسط ​​آشنا می شوید و در مورد نیازهای انبار داده و هوش تجاری آنها و منابع داده موجود می آموزید. شما ابتدا یک طرح و مدل ابعادی انبار را برای یک انبار داده کوچک طراحی خواهید کرد. سپس با استفاده از Pentaho Data Integration برای تازه کردن انبار داده خود، گردش کار یکپارچه سازی داده ایجاد می کنید. در مرحله بعد، عبارات SQL را برای الزامات پرس و جوی تحلیلی می نویسید و نماهای تحقق یافته را برای پشتیبانی از مدیریت خلاصه داده ایجاد می کنید. برای گردش های کاری یکپارچه سازی داده ها و پرس و جوهای تحلیلی، می توانید از Oracle یا PostgreSQL استفاده کنید. در نهایت، شما از قابلیت های MicroStrategy OLAP برای به دست آوردن بینش در مورد انبار داده خود استفاده خواهید کرد. در پروژه تکمیل شده، شما یک انبار داده کوچک شامل طراحی طرحواره، گردش های کاری یکپارچه سازی داده ها، پرس و جوهای تحلیلی، نماهای تحقق یافته، داشبوردها و تجسم هایی ساخته اید که مفتخرید به کارفرمایان فعلی و آینده خود نشان دهید.

coursera مفاهیم انبار داده، طراحی و یکپارچه سازی داده ها (Mitalearn-314361)

  • 4 hours 10 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael Mannino
درباره این دوره:

این دومین دوره در تخصص انبارداری داده برای هوش تجاری است. در حالت ایده آل، دوره ها باید به ترتیب برگزار شوند. در این دوره، مفاهیم و مهارت های هیجان انگیزی برای طراحی انبارهای داده و ایجاد گردش کار یکپارچه سازی داده ها را یاد خواهید گرفت. اینها مهارت های اساسی برای توسعه دهندگان و مدیران انبار داده است. شما تجربه عملی برای طراحی انبار داده و استفاده از محصولات منبع باز برای دستکاری جداول محوری و ایجاد گردش کار یکپارچه سازی داده ها خواهید داشت. در تخصیص یکپارچه سازی داده ها، می توانید از پایگاه های داده Oracle، MySQL یا PostgreSQL استفاده کنید. همچنین پیشینه مفهومی در مورد مدل‌های بلوغ، معماری‌ها، مدل‌های چند بعدی و شیوه‌های مدیریتی به دست خواهید آورد و دیدگاه سازمانی در مورد توسعه انبار داده ارائه می‌دهد. اگر در حال حاضر یک حرفه ای در زمینه کسب و کار یا فناوری اطلاعات هستید و می خواهید طراح یا مدیر انبار داده شوید، این دوره به شما دانش و مهارت لازم برای انجام این کار را می دهد. در پایان دوره، تجربه طراحی، پیشینه نرم افزاری و زمینه سازمانی را خواهید داشت که شما را برای موفقیت در پروژه های توسعه انبار داده آماده می کند. در این دوره، طرح‌های انبار داده و گردش‌های کاری یکپارچه‌سازی داده ایجاد می‌کنید که نیازهای هوش تجاری سازمان‌ها را برآورده می‌کند. وقتی این دوره را تمام کردید، می توانید: * ارزیابی سازمان برای بلوغ انبار داده و همسویی معماری کسب و کار. * طراحی انبار داده ایجاد کنید و روش‌های طراحی جایگزین و اهداف طراحی را بررسی کنید. * با استفاده از نرم افزار منبع باز برجسته، گردش کار یکپارچه سازی داده ایجاد کنید. * به نقش تغییر داده‌ها، محدودیت‌های تازه‌سازی، مبادلات فرکانس تازه‌سازی، و اهداف کیفیت داده در طراحی فرآیند یکپارچه‌سازی داده‌ها فکر کنید. و * انجام عملیات بر روی جداول محوری برای برآورده کردن درخواست‌های تحلیل تجاری معمولی با استفاده از نرم‌افزار منبع باز برجسته