آموزش مقدمه‌ای بر مهندسی داده

poster
پیش‌نمایش 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 ... ادامه

برگزارکننده:  Coursera  Coursera
مدرسان دوره
4 (1 رای)
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذراندن 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
مشاهده
"03:32  
  اکوسیستم مدرن داده
مشاهده
"05:00  
  بازیگران کلیدی در اکوسیستم داده
مشاهده
"05:46  
  مهندسی داده چیست؟
مشاهده
"04:33  
  دیدگاه‌ها: تعریف مهندسی داده
مشاهده
"04:36  
  دیدگاه‌ها: تکامل مهندسی داده
مشاهده
"07:44  
  مسئولیت‌ها و مهارت‌های یک مهندس داده
مشاهده
"05:36  
  دیدگاه‌ها: مهارت‌ها و ویژگی‌های لازم برای تبدیل شدن به یک مهندس داده
مشاهده
"07:07  
  یک روز در زندگی یک مهندس داده
مشاهده
"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
مشاهده
"05:02  
  انواع داده
مشاهده
"04:11  
  درک فرمت‌های مختلف فایل
مشاهده
"05:09  
  منابع داده
مشاهده
"08:06  
  زبان‌های برنامه‌نویسی برای متخصصان داده
مشاهده
"08:40  
  دیدگاه‌ها: کار با انواع و منابع مختلف داده
مشاهده
"06:47  
  بررسی اجمالی مخازن داده
مشاهده
"04:43  
  پایگاه‌های داده رابطه‌ای (RDBMS)
مشاهده
"07:47  
  NoSQL
مشاهده
"07:44  
  Data Warehouses ،Data Marts و Data Lakes
مشاهده
"07:25  
  (اختیاری): توضیح درباره Data Lakehouses
مشاهده
"08:58  
  دیدگاه‌ها: ملاحظات برای انتخاب Data Repository
مشاهده
"06:35  
  ETL، ELT و پایپ لاین داده
مشاهده
"06:46  
  پلتفرم‌های ادغام داده
مشاهده
"04:57  
  دیدگاه‌ها: ابزارها، پایگاه‌های داده و مخازن داده انتخابی
مشاهده
"06:48  
  اصول اولیه داده‌های بزرگ
مشاهده
"05:31  
  ابزارهای پردازش داده‌های بزرگ: Hadoop, HDFS, Hive و Spark
مشاهده
"06:40  
  دیدگاه‌ها: تأثیر داده‌های بزرگ بر مهندسی داده
مشاهده
"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
مشاهده
"07:21  
  عوامل انتخاب و طراحی مخازن داده
مشاهده
"06:55  
  امنیت
مشاهده
"06:32  
  دیدگاه‌ها: اهمیت امنیت داده
مشاهده
"04:12  
  نحوه جمع‌آوری و وارد کردن داده
مشاهده
"06:40  
  آماده‌سازی داده (Data Wrangling)
مشاهده
"07:24  
  ابزارهای آماده‌سازی داده
مشاهده
"05:47  
  پرس و جو و تحلیل داده
مشاهده
"05:50  
  بهبود عملکرد و عیب‌یابی
مشاهده
"07:15  
  حاکمیت و انطباق
مشاهده
"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
مشاهده
"06:02  
  دیدگاه‌ها: ورود به دنیای مهندسی داده
مشاهده
"08:01  
  مسیر یادگیری مهندسی داده
مشاهده
"03:49  
  دیدگاه‌ها: انتظارات کارفرمایان از یک مهندس داده
مشاهده
"06:34  
  دیدگاه‌ها: مسیرهای مختلف ورود به مهندسی داده
مشاهده
"05:50  
  دیدگاه‌ها: توصیه‌هایی برای مهندسان داده مشتاق
مشاهده
"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.

دوره آموزش مقدماتی مهندسی داده

آموزش مقدماتی مهندسی داده، به بیان مفاهیم پایه و اساسی در دنیای داده می‌پردازد. این آموزش‌ها، نشان می‌دهد که چطور باید داده‌های مختلف را برای پردازش و تحلیل، در یک بستر امن، آماده‌سازی کرد. این مبحث، اولین مرحله برای ورود به دنیای داده و مهندسی داده شناخته می‌شود.

مهندسی داده چیست؟

همان‌طور که از نام مهندسی داده برمی‌آید، این علم برای کار با داده‌ها در نظر گرفته شده است. جمع‌آوری، ذخیره، پردازش، تجزیه و تحلیل از جمله کارهایی است که می‌توان روی داده‌های خام انجام داد. با توجه به حجم کثیر داده‌ها در یک سازمان، استفاده از ابزارها و برنامه‌های نرم افزاری برای این منظور، الزامی به‌نظر می‌رسد. در مهندسی داده، این ابزارها طراحی، ساخته و نگهداری خواهند شد.

مهندسی داده را می‌توان پلی میان دانشمندان داده و متخصصان فناوری اطلاعات دانست. می‌دانید که اطلاعات خام کاربردی ندارند و برای آن‌که در تصمیم‌های مدیریتی بتوان از آن‌ها استفاده کرد، می‌بایست پردازش‌هایی را روی داده‌ی خام انجام دهیم. این دقیقاً همان فرآیندی است که مهندسی داده به عنوان ورودی برای مهندسی فناوری اطلاعات، آماده می‌کند.

بررسی اهمیت و کاربردهای مهندسی داده

می‌دانید که در عصر انفجار اطلاعات، حرف اول را «داده»ها و اطلاعات به‌دست آمده از آن، می‌زند. این امر بدان معناست که داده‌ها، اهمیت بسزایی دارند. هر سازمان و مجموعه‌ای با داده‌های زیادی سروکار دارد که اهمیت فراوانی در تصمیم‌گیری‌ها و روند آن مجموعه خواهد داشت.

حضور مهندس داده نیز برای هر سازمان الزامی است. چراکه این فرد با تخصصی که دارد، می‌تواند سیستم‌ها و زیرساخت‌های مورد نیاز برای کار با داده‌ها را فراهم کند. بنابراین مهندس داده می‌تواند تضمین کند که داده‌ها به طور صحیح جمع‌آوری و پردازش می‌شوند. 

علاوه بر آن، مهندسی داده، برای برقراری امنیت داده‌ها نیز الزامی است. داده‌های هر مجموعه متعلق به خودِ آن مجموعه است. بنابراین عدم امنیت و افشای این داده‌ها، به معنای افشای اطلاعات خصوصی آن سازمان شناخته می‌شود. این وظیفه از عهده‌ی یک مهندس داده برمی‌آید که مهر تأییدی بر الزام حضور این تخصص در مجموعه خواهد بود.

لازم به ذکر است که اهمیت داده‌ها در دنیای امروز، سبب ارزش بالای مشاغل حوزه‌ی داده (از جمله مهندسی داده) شده است. این موضوع، به منزله‌ی قرارگیری درامد مهندس داده در یک بازه‌ی خوب و عالی است که می‌تواند انگیزه‌ی یادگیری این دانش و ورود به این حوزه‌ی تخصص را ارتقا دهد.

مهارت‌های مهم در مهندسی داده

برای تبدیل شدن به یک مهندس داده حرفه‌ای، شما باید مهارت‌های زیادی را در حوزه‌های مختلف برنامه نویسی و کار با سیستم‌های داده کاوی کسب کنید. فهرست زیر، مهم‌ترین این مهارت‌ها را نشان می‌دهد.

•      زبان‌های برنامه نویسی مانند پایتون، جاوا و SQL

•      سیستم‌های مدیریت پایگاه داده مانند MySQL

•      سیستم‌های توزیع شده برای مدیریت داده‌های بزرگ و پیچیده 

•      مفاهیم مدل‌سازی داده‌ها و ترسیم نمودارهای ER و UML

•      Data warehouse یا انبار داده‌ها

•      پردازش داده‌ها

•      رایانش ابری

برخی از آموزش‌هایی که برای حوزه‌ی دانشمند داده و مهندس داده الزامی است در فهرست زیر، عنوان شده است.

•      دوره رایگان تحلیل داده

•      دوره دانشمند داده

•      درس تحلیل داده های مهندسی

•      آموزش رایگان دیتا ساینس

منابع مهم برای آموزش مهندسی داده

برای یادگیری مفاهیم مربوط به مهندسی داده، منابع متعددی وجود دارد. شما می‌توانید به‌طور خودآموز از انواع کتاب‌ها و جزوات آموزشی، یادگیری مهندسی داده را آغاز کنید. روش بهتر، شرکت در دوره‌های مجازی و غیر حضوری است. این دوره‌های آموزشی، به وسیله‌ی برترین اساتید تهیه می‌شوند و شما می‌توانید با یک برنامه‌ی زمانی و مکانی منعطف، آموزش‌ها را دنبال کنید.

ناگفته نماند آن‌چه برای انتخاب بهترین منبع آموزشی اهمیت دارد، کیفیت آموزش‌ها و تکمیل بودن سرفصل‌های آموزشی است که سبب می‌شود تا صفر تا صد موضوع مورد نظر را یاد گرفته باشید.

اهداف آموزش مقدماتی مهندسی داده

دوره‌ی آموزش مقدماتی Data engineering، شما را برای ورود به دنیای مهندسی داده، راهنمایی و آماده می‌کند. در سطح مقدماتی، شما مفاهیم پایه، ابزارهای مهم و فرآیندهای مهندسی داده را یاد می‌گیرید. آموزش مهندسی داده مقدماتی در حقیقت اولین گامی است که برای تبدیل شدن به یک مهندس داده‌ی حرفه‌ای، باید بردارید.

چه افرادی به آموزش مقدماتی Data engineering نیاز دارند؟

تمام افرادی که قصد دارند تا وارد دنیای مهندسی داده شوند یا به عنوان Data engineer فعالیت داشته باشند، به این آموزش نیاز خواهند داشت. دانشجویان رشته‌ی مهندسی کامپیوتر (نرم افزار)، علوم داده و علوم کامپیوتر، می‌توانند با یادگیری مباحث این آموزش، به‌طور حرفه‌ای در این حیطه مشغول به‌کار شوند.

این آموزش‌ها هم‌چنین برای مهندسین آی تی و فناوری اطلاعات، که قصد ارتقای شغلی و بهبود مهارت‌های خود را دارند، مناسب خواهد بود. به‌طور کلی، دوره‌ی آموزشی مذکور شما را برای ورود به دنیای داده‌ها و درک بهتر آن آماده می‌کند.

آموزش مقدماتی Data engineering می‌تواند با هدف بهبود درآمد و تبدیل شدن به یک متخصص حرفه‌ای در زمینه‌ی مهندسی داده نیز دنبال شود. خلاصه این‌که آموزش‌های مقدماتی مهندسی داده، راه ورود شما را برای دنیایی بهتر و حرفه‌ای‌تر آماده خواهد کرد.

پیش نیاز آموزش مقدماتی مهندسی داده

این دوره، برای سطوح مقدماتی و مبتدی طراحی و تدوین شده است. تمام آموزش‌ها با ساده‌ترین بیان و بدون هیچ‌گونه پیش‌نیازی ارائه شده است. بنابراین با هر سطح آگاهی و تحصیلات شما می‌توانید از این دوره، استفاده کنید.

در دوره آموزش مقدماتی مهندسی داده چه چیزهایی یاد می‌گیریم؟

در این دوره‌ی آموزشی شما تمام مفاهیم پایه در مهندسی داده را فرا می‌گیرید. شما در ابتدا با مفهوم ساختار داده، فرمت‌های فایل،‌ منابع داده و زبان برنامه نویسی داده، آشنا شده و می‌توانید پلت‌فرم‌های مختلفی که برای داده‌ها استفاده می‌شود را بشناسید. در این آموزش، هم‌چنین ابزارهای پردازش داده‌های عظیم نیز معرفی می‌شوند. شما با چرخه‌ی حیات مهندسی داده آشنا می‌شوید و مفاهیمی نظیر امنیت داده‌ها، حاکمیت و انطباق آن را فرا می‌گیرید. 

به‌طور خلاصه، این دوره‌ی آموزشی، صفر تا صد مهارت های مهندس داده در سطح مقدماتی را به‌شما آموزش می‌دهد. در نهایت، شما می‌توانید دوره‌های حرفه‌ای‌تر و پیشرفته‌تر برای یادگیری ماشین، داده کاوی، دوره آمار برای علم داده و غیره را بگذرانید تا تخصص لازم برای ورود به این مشاغل را بیابید.

معرفی سرفصل‌های آموزش مقدماتی Data engineering

آن‌چه که در دوره‌ی مقدماتی مهندسی داده آموزش داده می‌شود، در عناوین زیر، گنجانده شده است.

•      آشنایی با مهندسی داده یا Data engineering

•      معرفی مسئولیت‌ها و شرح وظایف مهندس داده

•      مهارت‌های ضروری برای مهندس داده

•      اکوسیستم مهندسی داده

•      انواع ساختارهای داده‌ای

•      منابع داده

•      زبان‌های برنامه‌نویسی مهندسی داده

•      پایگاه‌های داده‌ای رابطه‌ای یا RDBMS

•      ساخت حساب کاربری در Ibm

•      چرخه‌ی عمر مهندسی داده

•      انتخاب مخزن داده

•      طراحی پلت‌فرم داده

•      ابزارهای آماده‌سازی داده

•      امنیت داده

•      فرصت‌های شغلی و انتظارات از مهندس داده

آموزش مقدماتی Data engineering چقدر طول می‌کشد؟

مدت زمان آموز‌ش‌های این دوره، حدود ۴ ساعت ویدیویی در نظر گرفته شده است. زمان واقعی آموزش، برحسب پشتکار و سرعت عمل شما قابل محاسبه خواهد بود. به طور کلی، این آموزش در حدود یک ماه، به اتمام می‌رسد.

آموزش مقدماتی مهندسی داده در مکتب خونه

آموزش‌های مقدماتی مهندسی داده در مکتب خونه، منبع خوبی برای یادگیری تمام مباحث مقدماتی این شاخه علمی هستند. شما در کلاس مهندسی داده مکتب خونه، با تمام مفاهیم سطح پایه در Data engineering آشنا خواهید شد. کامل بودن این آموزش‌ها، شما را برای حرفه‌ای‌تر شدن در سطوح بالاتر، آماده خواهد کرد.

آموزش مقدماتی مهندسی داده اولین گامی است که برای تبدیل شدن به مهندس داده و ورود به دنیای تحلیل داده‌ها باید برداریم. در این آموزش‌ها، کلیه‌ی مهارت‌های پایه مهندسی داده، تکنولوژی‌ها، چرخه‌ی حیات و امنیت داده بررسی خواهند شد. در مکتب خونه همچنین انواع دوره آموزش برنامه نویسی و آموزش علم داده به عنوان پیش نیاز و مکمل این دوره برگزار خواهند شد.

 

 

 

 

poster
پیش‌نمایش دوره
  
برگزار کننده:  Coursera
  
زمان مورد نیاز برای گذراندن دوره:  4 ساعت
مجموع محتوای آموزشی:  4 ساعت ویدئو
 (قابل دانلود می‌باشد)
course-feature   زیرنویس فارسی