آموزش مقدمه‌ای بر مهندسی داده

با دوره آموزش مقدمه‌ای بر مهندسی داده، سفر خود را در یکی از سریع‌الرشدترین حرفه‌های امروز آغاز کنید! در دنیای امروز، داده‌ها به مثابه طلای ناب هستند. سازمان‌ها و شرکت‌ها در هر زمینه‌ای، از کسب ... ادامه

ارائه دهنده:  Coursera  Coursera
مدرسان دوره
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذارندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)
course-feature   زیرنویس فارسی

آنچه در این دوره می‌آموزیم:

 یادگیری مهارت‌های پایه برای نقش مهندسی داده در سطح ابتدایی

 درک مراحل و مفاهیم مختلف در چرخه حیات مهندسی داده

 آشنایی با تکنولوژی‌های مهندسی داده

 درک مفاهیم در امنیت، حاکمیت و انطباق داده

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد با هر سطحی از آگاهی و تحصیلات می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

سرفصل‌های دوره آموزش مقدمه‌ای بر مهندسی داده

مهندسی داده (Data Engineering) چیست؟

در این فصل، با اجزای مختلفی که با هم یک اکوسیستم داده مدرن را تشکیل می‌دهند و نقشی که مهندسان داده، دانشمندان داده، تحلیلگران داده، تحلیلگران کسب و کار و تحلیلگران هوش تجاری در این اکوسیستم ایفا می‌کنند، آشنا خواهید شد. شما درک خواهید کرد که مهندسی داده چیست و کارهای کلیدی در چرخه حیات مهندسی داده کدامند. همچنین با مسئولیت‌های یک مهندس داده، مجموعه مهارت‌هایی که برای موفقیت به آن‌ها نیاز دارند و یک روز معمولی در زندگی یک مهندس داده، آشنا خواهید شد.

  خوش‌آمدگویی
"03:32  
  اکوسیستم مدرن داده
"05:00  
  بازیگران کلیدی در اکوسیستم داده
"05:46  
  مهندسی داده چیست؟
"04:33  
  دیدگاه‌ها: تعریف مهندسی داده
"04:36  
  دیدگاه‌ها: تکامل مهندسی داده
"07:44  
  مسئولیت‌ها و مهارت‌های یک مهندس داده
"05:36  
  دیدگاه‌ها: مهارت‌ها و ویژگی‌های لازم برای تبدیل شدن به یک مهندس داده
"07:07  
  یک روز در زندگی یک مهندس داده
"03:46  
اکوسیستم مهندسی داده

در این فصل، با اکوسیستم مهندسی داده، انواع مختلف ساختار داده، فرمت‌های فایل، منابع داده و زبان‌های برنامه‌نویسی که متخصصان داده در کارهای روزانه خود از آنها استفاده می‌کنند، آشنا خواهید شد. درک درستی از انواع مختلف مخازن داده مانند پایگاه‌های داده رابطه‌ای و غیر رابطه‌ای، انبارهای داده، دیتامارت‌ها و دریاچه‌های داده به دست خواهید آورد. در مورد فرآیندهای ETL و ELT، خطوط لوله داده و پلتفرم‌های ادغام داده یاد خواهید گرفت. همچنین درک درستی از مفهوم کلان‌داده (Big Data) و ابزارهای مورد استفاده برای پردازش و ذخیره‌سازی آن به دست خواهید آورد. در پایان این فصل، برای ساخت یک حساب کاربری در ابر IBM و راه‌اندازی یک نمونه از IBM Db2 راهنمایی خواهید شد.

  مرور کلی اکوسیستم مهندسی داده
"05:02  
  انواع داده
"04:11  
  درک فرمت‌های مختلف فایل
"05:09  
  منابع داده
"08:06  
  زبان‌های برنامه‌نویسی برای متخصصان داده
"08:40  
  دیدگاه‌ها: کار با انواع و منابع مختلف داده
"06:47  
  بررسی اجمالی مخازن داده
"04:43  
  پایگاه‌های داده رابطه‌ای (RDBMS)
"07:47  
  NoSQL
"07:44  
  Data Warehouses ،Data Marts و Data Lakes
"07:25  
  (اختیاری): توضیح درباره Data Lakehouses
"08:58  
  دیدگاه‌ها: ملاحظات برای انتخاب Data Repository
"06:35  
  ETL، ELT و پایپ لاین داده
"06:46  
  پلتفرم‌های ادغام داده
"04:57  
  دیدگاه‌ها: ابزارها، پایگاه‌های داده و مخازن داده انتخابی
"06:48  
  اصول اولیه داده‌های بزرگ
"05:31  
  ابزارهای پردازش داده‌های بزرگ: Hadoop, HDFS, Hive و Spark
"06:40  
  دیدگاه‌ها: تأثیر داده‌های بزرگ بر مهندسی داده
"03:50  
چرخه عمر مهندسی داده

در این فصل، شما را در مراحل مختلف چرخه حیات مهندسی داده راهنمایی خواهیم کرد. با معماری یک پلتفرم داده، عوامل انتخاب و طراحی مخازن داده و جنبه‌های مختلف امنیت در زمینه پلتفرم‌های داده و مدیریت چرخه حیات داده آشنا خواهید شد. همچنین در مورد فرآیند، مراحل و ابزارهایی که برای جمع‌آوری، وارد کردن، کنترل و پرس و جو از داده استفاده می‌شود، یاد خواهید گرفت. درک درستی از نظارت بر عملکرد و مراحلی که برای عیب‌یابی مشکلات عملکرد می‌توانید انجام دهید، به دست خواهید آورد. همچنین در مورد قوانین و مقررات حاکمیت، چرا به آنها نیاز داریم و چگونه فناوری امکان انطباق با قوانین را فراهم می‌کند، صحبت خواهیم کرد. در طول این فصل، برای بارگذاری داده‌ها از یک فایل CSV به نمونه IBM Db2 که در فصل قبل ایجاد کرده‌اید، راهنمایی خواهید شد. همچنین با استفاده از برخی پرس و جوهای SQL پایه که در اختیار شما قرار داده می‌شود، به کاوش در مجموعه داده خود هدایت خواهید شد.

  طراحی پلتفرم داده
"07:21  
  عوامل انتخاب و طراحی مخازن داده
"06:55  
  امنیت
"06:32  
  دیدگاه‌ها: اهمیت امنیت داده
"04:12  
  نحوه جمع‌آوری و وارد کردن داده
"06:40  
  آماده‌سازی داده (Data Wrangling)
"07:24  
  ابزارهای آماده‌سازی داده
"05:47  
  پرس و جو و تحلیل داده
"05:50  
  بهبود عملکرد و عیب‌یابی
"07:15  
  حاکمیت و انطباق
"07:45  
فرصت‌های شغلی و مهندسی داده در عمل

در این فصل، با فرصت‌های شغلی در زمینه مهندسی داده و مسیرهای مختلفی که می‌توانید برای کسب مهارت به عنوان یک مهندس داده طی کنید، آشنا خواهید شد. در پایان این فصل، تکلیف پایانی نمره‌گذاری‌شده که به دو بخش تقسیم می‌شود برای شما ارائه خواهد شد. بخش اول تکلیف نهایی شامل چند سوال تستی و بخش دوم شامل سوالات تشریحی است که توسط هم‌تیمی شما بررسی و نمره داده می‌شود.

  فرصت‌های شغلی در مهندسی داده
"06:02  
  دیدگاه‌ها: ورود به دنیای مهندسی داده
"08:01  
  مسیر یادگیری مهندسی داده
"03:49  
  دیدگاه‌ها: انتظارات کارفرمایان از یک مهندس داده
"06:34  
  دیدگاه‌ها: مسیرهای مختلف ورود به مهندسی داده
"05:50  
  دیدگاه‌ها: توصیه‌هایی برای مهندسان داده مشتاق
"06:56  

ویژگی‌های دوره

زیرنویس فارسی
زیرنویس فارسی

این دوره دارای زیرنویس اختصاصی است.

درباره دوره

با دوره آموزش مقدمه‌ای بر مهندسی داده، سفر خود را در یکی از سریع‌الرشدترین حرفه‌های امروز آغاز کنید!

در دنیای امروز، داده‌ها به مثابه طلای ناب هستند. سازمان‌ها و شرکت‌ها در هر زمینه‌ای، از کسب و کار گرفته تا تحقیقات علمی، به دنبال جمع‌آوری، ذخیره‌سازی و تحلیل داده‌ها برای تصمیم‌گیری بهتر، افزایش کارایی و نوآوری هستند. مهندسی داده، به عنوان یک رشته نوظهور و قدرتمند، نقشی کلیدی در این میان ایفا می‌کند.

مهندسان داده، با استفاده از ابزارها و تکنیک‌های تخصصی، داده‌های خام را به اطلاعات قابل فهم و کاربردی تبدیل می‌کنند. آن‌ها پل ارتباطی بین دنیای داده‌ها و متخصصان حوزه‌های مختلف هستند و به سازمان‌ها کمک می‌کنند تا از پتانسیل‌های نهفته در داده‌های خود به طور کامل بهره ببرند.

این دوره آموزشی، شما را به دنیای جذاب مهندسی داده رهنمون می‌شود. در این مسیر، با مفاهیم پایه، فرآیندها و ابزارهای کلیدی این حوزه آشنا خواهید شد و گامی بلند در مسیر تبدیل شدن به یک مهندس داده حرفه‌ای برخواهید داشت.

در این دوره، شما با مفاهیم پایه مهندسی داده، اکوسیستم آن و نقش‌های مختلف در این حوزه آشنا خواهید شد. همچنین با انواع ساختار داده، فرمت‌های فایل، منابع داده و زبان‌های برنامه‌نویسی مورد استفاده در مهندسی داده آشنا می‌شوید. علاوه بر این، با اجزای یک پلتفرم داده و انواع مختلف مخازن داده مانند پایگاه‌های داده رابطه‌ای، NoSQL، انبارهای داده، دیتامارت‌ها، دریاچه‌های داده و دریاچه‌های داده‌ای انباری آشنا خواهید شد.

همچنین با ابزارهای پردازش داده‌های بزرگ مانند Apache Hadoop و Spark، مفاهیم ETL، ELT، خطوط لوله داده و ادغام داده آشنا می‌شوید. در این دوره، چرخه حیات مهندسی داده شامل طراحی پلتفرم‌های داده، طراحی مخازن داده، جمع‌آوری، وارد کردن، کنترل، پرس و جو و تحلیل داده به شما آموزش داده می‌شود. همچنین با مفاهیم امنیت، حاکمیت و انطباق در مهندسی داده آشنایی پیدا خواهید کرد.

در نهایت، با فرصت‌های شغلی در مهندسی داده، مسیرهای مختلف برای تبدیل شدن به یک مهندس داده حرفه‌ای و تجربیات و توصیه‌های مهندسان داده باتجربه آشنا خواهید شد.

این دوره برای چه کسانی مناسب است؟

  • علاقه‌مندان به ورود به حوزه مهندسی داده
  • دانشجویان رشته‌های کامپیوتر، علوم داده و مهندسی نرم‌افزار
  • متخصصان IT که به دنبال ارتقای مهارت‌های خود در زمینه مهندسی داده هستند.
  • هر فردی که به دنبال درک بهتر از دنیای داده‌ها و نحوه استفاده از آن‌ها برای حل مسائل است.

درباره استاد

maktabkhooneh-teacher Priya Kapoor

Priya Kapoor به عنوان طراح ارشد آموزش و توسعه دهنده محتوا در شرکت «Scale-up Technologies» فعالیت می‌کند. او طی ۲۵ سال گذشته درگیر طراحی و توسعه برنامه‌های آموزشی حضوری، آنلاین و ترکیبی برای مشتریان در سراسر آمریکای شمالی، اروپا و منطقه آسیا و اقیانوسیه (APAC) بوده است. پریا در پروژه‌های کلان شامل طراحی و توسعه محتوا، بومی‌سازی محتوا و ارائه مستقل از پلتفرم برای محتوای قدیمی در برنامه‌های فنی، بهره‌وری در محل کار و رهبری، فعالیت داشته است. او همچنین به عنوان بخشی از تیمی که محصولات یادگیری دیجیتال و یک پلتفرم یادگیری اجتماعی را توسعه داده است، همکاری داشته است که به ترتیب در سال‌های ۲۰۱۲ و ۲۰۱۳ برنده جوایز برتری برندون هال شدند.

مشاهده پروفایل و دوره‌‌های استاد
maktabkhooneh-teacher Rav Ahuja

Rav Ahuja مدیر ارشد برنامه جهانی در شرکت IBM است. او مسئولیت رهبری استراتژی رشد، ایجاد دوره‌های آموزشی و برنامه‌های مشارکت برای شبکه مهارت‌های IBM را برعهده دارد. Rav در آزمایشگاه IBM کانادا در تورنتو مستقر است و در زمینه راه‌حل‌های آموزشی برای هوش مصنوعی، علم داده، رایانش ابری و بلاکچین تخصص دارد. او در رویدادهای جهانی سخنرانی می‌کند و مقالات، کتاب‌ها و دوره‌های آموزشی متعددی در زمینه مدیریت و تحلیل داده تالیف کرده است. Rav دارای مدرک مهندسی لیسانس از دانشگاه مک‌گیل و کارشناسی ارشد مدیریت بازرگانی از دانشگاه وسترن انتاریو است.

مشاهده پروفایل و دوره‌‌های استاد

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.
poster
  
برگزار کننده:  Coursera
  
زمان مورد نیاز برای گذارندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)
course-feature   زیرنویس فارسی