این دوره به شما میآموزد که چگونه بارهای کاری تحلیلی را برای لایه سرویس در Azure طراحی و بهینهسازی کنید.
آنچه خواهید آموخت:
به عنوان یک متخصص داده، دانستن اینکه داده چگونه است. خدمت به شما کمک میکند در هنگام توسعه برای یا در لایه سرویس. در این دوره آموزشی، اصول طراحی برای سرویس لایه در Microsoft Azure، طراحی و بهینهسازی حجم کاری تحلیلی را خواهید آموخت. ابتدا، ذخیرههای دادههای تحلیلی در Azure را بررسی خواهید کرد. در مرحله بعد، معیارهای انتخاب کلیدی برای ذخیرهسازی دادههای تحلیلی را کشف خواهید کرد. در نهایت، نحوه طراحی متاستورها را در Azure Synapse Analytics و Azure Databricks یاد خواهید گرفت. وقتی این دوره را به پایان رساندید، مهارتها و دانش یک متخصص داده را خواهید داشت که برای طراحی لایه ارائه خود لازم است.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[ENGLISH]
01 Course Overview [2mins]
01-01 Course Overview [2mins]
02 Evaluating Analytical Data Stores in Azure [12mins]
02-01 Overview [1mins]
02-02 Choosing an Analytical Data Store [4mins]
02-03 Categories of Data Stores [4mins]
02-04 Choosing a Data Analytics Technology in Azure [3mins]
02-05 Summary [0mins]
03 Design and Optimize Analytical Workloads in Azure [36mins]
03-01 Overview [1mins]
03-02 Understanding Star Schema [3mins]
03-03 Slowly Changing Dimensions [6mins]
03-04 Setting up Azure Synapse Workspace [5mins]
03-05 Creating a Mapping Data Flow [8mins]
03-06 Testing the Mapping Data Flow [8mins]
03-07 Dealing with Dimensional Hierarchies [4mins]
03-08 Summary [1mins]
[فارسی]
01 بررسی اجمالی دوره [2 دقیقه]
01-01 بررسی اجمالی دوره [2 دقیقه]
02 ارزیابی ذخیرهسازی دادههای تحلیلی در Azure [12 دقیقه]
02-01 نمای کلی [1 دقیقه]
02-02 انتخاب یک فروشگاه دادههای تحلیلی [4 دقیقه]
02-03 دستهبندی فروشگاههای داده [4 دقیقه]
02-04 انتخاب فناوری تجزیه و تحلیل داده در Azure [3 دقیقه]
02-05 خلاصه [0 دقیقه]
03 طراحی و بهینهسازی حجم کار تحلیلی در Azure [36 دقیقه]
03-01 نمای کلی [1 دقیقه]
03-02 درک طرحواره ستاره [3 دقیقه]
03-03 به آرامی تغییر ابعاد [6 دقیقه]
03-04 راه اندازی Azure Synapse Workspace [5 دقیقه]
03-05 ایجاد یک جریان داده نقشه برداری [8 دقیقه]
03-06 آزمایش جریان دادههای نقشه برداری [8 دقیقه]
03-07 برخورد با سلسله مراتب بعدی [4 دقیقه]
03-08 خلاصه [1 دقیقه]
بیسمارک معتقد است که آموزش دیگر یک سرمایه گذاری یکباره نیست، بلکه در عوض یک پیگیری مادام العمر است و نویسندگان و مربیان بزرگ میتوانند نقش ارزشمندی در یافتن و توسعه یک شغل رضایت بخش داشته باشند. او دارای مدرک لیسانس در مهندسی کامپیوتر با تخصص در مهندسی نرم افزار، هوش مصنوعی و محاسبات توزیع شده است. او در دوران مدرسه به عنوان رهبر دانشآموز دورههای رباتیک و بینایی کامپیوتر را تدریس کرد و به عنوان مهندس نرمافزار و دستیار پروژه برای شورای بریتانیا کارآموزی و مشاوره کرد. او در حال حاضر به عنوان یک توسعهدهنده هوش تجاری و دادههای بزرگ کار میکند و بهعنوان دانشمند داده در Ecobank eProcess International S.A در حال توسعه مدلهای یادگیری ماشین است که برخی از آنها شامل مدل Customer360 شامل مدل تقسیمبندی مشتری، مدل کاهش مشتری و فروش متقابل مشتری (محصول) است. توصیه) مدل. او دانش سطح سازمانی در یکپارچهسازی دادهها برای برنامههای کاربردی دامنه مدیریت BI و داده دارد.