در حال حاضر محصولی در سبد خرید شما وجود ندارد.

پنل کاربری

رمز خود را فراموش کرده اید؟ اگر اولین بار است از سایت جدید استفاده میکنید باید پسورد خود را ریست نمایید.
دسته بندی
دسته بندی

در حال حاضر محصولی در سبد خرید شما وجود ندارد.

مهندسی داده ها بر روی مایکروسافت Azure

19,900 تومان
بیش از یک محصول به صورت دانلودی میخواهید؟ محصول را به سبد خرید اضافه کنید.
افزودن به سبد خرید
خرید دانلودی فوری

در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.

ویدئو معرفی این محصول

EXAM DP-203: مهندسی داده در مایکروسافت Azure || 25+ HRS فیلم ها || تست تمرین || 100٪ برنامه || دمو

عنوان اصلی : DP-203: Data Engineering on Microsoft Azure + Practice Tests

سرفصل های دوره :

معرفی دوره:
نحوه دریافت اعتبار رایگان برای پورتال Azure
منابع PPT و نسخه ی نمایشی
قبل از شروع...
پرسش ها و آزمون ها را تمرین کنید
معرفی Azure Cloud و مشخصات مهندس داده:
کاملاً در رایانش ابری جدید هستید؟ در اینجا یک دوره رایگان برای شما وجود دارد
نمایه مهندس داده چگونه تکامل یافت؟
نقش و مسئولیت مهندس داده
تکنولوژی های مهندس داده
خلاصه مشخصات مهندسی داده و فناوری ها
مواد مطالعه بیشتر
ذخیره‌سازی داده‌ها: فروشگاه‌های داده غیرمرتبط:
اهداف یادگیری
نمایش کلی سرویس‌های ذخیره‌سازی Azure
حساب ذخیره‌سازی Azure ارائه نمایشی
گزینه های افزونگی داده
ذخیره سازی حباب لاجوردی
سطوح دسترسی به فضای ذخیره سازی Azure
ذخیره سازی جدول لاجورد
ذخیره صف Azure
ذخیره سازی اشتراک فایل Azure
ذخیره‌سازی اشتراک‌گذاری فایل آزمایشی Azure
ذخیره سازی دیسک Azure و نسخه ی نمایشی
Cosmos DB: بیان مسئله - Cosmos DB چگونه تکامل یافت؟
Cosmos DB: ویژگی ها
Cosmos DB: Multi Model 5 APIs
Cosmos DB: Provision Account
Cosmos DB: واحدهای پردازش و درخواست
Cosmos DB: مقیاس افقی
Cosmos DB: پارتیشن بندی و کلید پارتیشن چیست
Cosmos DB: توان عملیاتی اختصاصی در مقابل مشترک
Cosmos DB: اجتناب از پارتیشن داغ
Cosmos DB: پارتیشن تک در مقابل پارتیشن متقابل
Cosmos DB: کلید ترکیبی
Cosmos DB: بهترین روش کلید پارتیشن
Cosmos DB: نسخه ی نمایشی - داده ها را درج و جستجو کنید
Cosmos DB: Time to Live
Cosmos DB: توزیع جهانی
Cosmos DB: Multi Master
Cosmos DB: دستی در مقابل خودکار شکست
Cosmos DB: 5 سطح ثابت
Cosmos DB: CLI
Cosmos DB: قیمت گذاری
Cosmos DB: Security
دریاچه داده چیست؟
چگونه Data Lake Gen 2 تکامل یافت
ذخیره‌سازی حباب لاجوردی در مقابل دریاچه داده‌های لاجوردی
گزینه‌های امنیتی Azure Blob و Data Lake
در دسترس بودن بالا در مقابل بازیابی فاجعه
ذخیره‌سازی Azure - گزینه‌های HA و DR
Cosmos DB - گزینه های HA و DR
مواد مطالعه بیشتر
تست های تمرینی
ذخیره‌سازی داده: فروشگاه‌های داده‌های رابطه‌ای:
اهداف یادگیری
Azure SQL: چرا؟
پیشنهادات پایگاه داده Azure Iaas در مقابل Pass
Azure SQL: PaaS Deployment Options
نسخه ی نمایشی سرور SQL Azure: پایگاه داده واحد ارائه
Azure SQL Server: خرید مدل‌ها و سطوح خدمات
پایگاه داده Azure Elastic
نمونه پایگاه داده Azure Elastic: ارائه
پایگاه داده Azure SQL: لایه های امنیتی
Scaling Azure Database
گزینه های در دسترس بودن بالا و گزینه های Disaster Recovery پایگاه داده Azure SQL
پشتیبان گیری و بازیابی پایگاه داده Azure SQL
معماری انبار سنتی در مقابل مدرن
Synapse Analytics Service چیست
نسخه ی نمایشی: استخر اختصاصی SQL ایجاد کنید
دمو: استخر اختصاصی SQL را با SSMS وصل کنید
نسخه ی نمایشی: فضای کاری استودیوی تحلیلی Azure Synapse ایجاد کنید
دمو: استودیوی Synapse را کاوش کنید
دمو: استخر اختصاصی SQL و Spark Pool ایجاد کنید
نسخه ی نمایشی: تجزیه و تحلیل داده ها با استفاده از Dedicated SQL Pool
نسخه ی نمایشی: تجزیه و تحلیل داده ها با استفاده از نوت بوک Apache Spark
نسخه ی نمایشی: تجزیه و تحلیل داده ها با استفاده از سرور SQL Pool
نسخه ی نمایشی: Data Factory از Synapse Analytics Studio
نسخه ی نمایشی: Monitor Synapse Studio
Azure Synapse: MPP Architecture
Azure Synapse: Storage and Sharding Patterns
Azure Synapse: کلیدهای توزیع و توزیع داده
Azure Synapse: انواع داده و انواع جدول
Azure Synapse: Partitioning
Azure Synapse: بهترین روش ها برای جداول واقعیت و ابعاد
نسخه ی نمایشی: تجزیه و تحلیل توزیع داده ها قبل از مهاجرت به Azure
Azure Synapse: روش های مختلف بارگذاری
Azure Synapse: بارگیری با SSIS در مقابل PolyBase
نمایش Azure Synapse: بارگیری با Polybase
Scaling Azure Datawarehouse
پشتیبان گیری و بازیابی Azure SQL Datawarehouse
پایگاه داده Azure در مقابل Datawarehouse Azure (Synapse Data Pool)
داده ها را در حالت استراحت و در حرکت رمزگذاری کنید
مواد مطالعه بیشتر
یادداشت های من در مورد این بخش
تست های تمرینی
پردازش دسته ای [طراحی و توسعه پردازش داده]:
اهداف یادگیری
Data Factory چیست
کارخانه داده در سیستم Azure Eco
Provision Data Factory
کارخانه داده - خط لوله و فعالیت ها
Data Factory - خدمات مرتبط و مجموعه داده
Data Factory - یکپارچه سازی Runtime
Data Factory - Triggers
دمو: کپی فعالیت داده از طریق جادوگر
نمایش: فعالیت داده را با استفاده از صفحه نویسنده کپی کنید
Data Factory - User Properties
Data Factory - پارامترها
Data Factory - مفهوم جریان داده
Data Factory - Mapping Flow Data
Data Factory - Wrangling Data Flow
Azure Databricks چیست
نحوه صرفه جویی در هزینه نسخه ی نمایشی Databricks
نمایش کلی
نسخه ی نمایشی: Provision Databricks، Cluster و Workbook
دمو: Mount Data Lake به Databricks DBFS
نسخه ی نمایشی: کاوش، تجزیه و تحلیل، پاک کردن، تبدیل و بارگذاری داده ها در Databricks
خوشه های Azure Databricks
Azure Databricks دیگر اجزای مهم
مواد مطالعه بیشتر
یادداشت های من در مورد این بخش
تست های تمرینی
تجزیه و تحلیل جریانی [طراحیو توسعه پردازش داده ها]:
اهداف یادگیری
معرفی Azure Stream Analytics (پیکربندی ورودی و خروجی)
مقدمه ای بر توابع پنجره
پنجره چرخشی
پنجره پرش
پنجره کشویی
پنجره جلسه
نسخه ی نمایشی: پردازش ورودی Blob Storage
نمایش: پردازش ورودی IOT Hub
مواد مطالعه بیشتر
یادداشت های من در مورد این بخش
تست های تمرینی
نظارت بر ذخیره سازی داده ها:
اهداف یادگیری
نسخه ی نمایشی: سرویس مانیتور Azure
اجرای نظارت بر ذخیره‌سازی لکه‌ها و داده‌ها
نظارت Azure Synapse Analytics را اجرا کنید
پایش Cosmos DB را پیاده سازی کنید
مواد مطالعه بیشتر
یادداشت های من در مورد این بخش
تست های تمرینی
نظارت بر پردازش داده ها:
اهداف یادگیری
پایش خطوط لوله کارخانه داده
مانیتور کارخانه داده - معیارها، هشدارها، تنظیمات تشخیصی
مانیتور Azure Databricks
بررسی جریان تجزیه و تحلیل
مواد مطالعه بیشتر
یادداشت های من در مورد این بخش
تست های تمرینی
بهینه سازی راه حل های داده Azure:
اهداف یادگیری
عیب یابی تنگناهای پارتیشن بندی داده ها
بهینه سازی ذخیره سازی دریاچه داده
بهینه سازی جریان تجزیه و تحلیل
Azure Synapse Analytics را بهینه کنید
چرخه عمر داده را مدیریت کنید
مواد مطالعه بیشتر
یادداشت های من در مورد این بخش
تست های تمرینی
طراحی یک راه حل داده Azure:
انواع داده
انواع ذخیره سازی داده ها
فروشگاه Azure را برای برنامه انتخاب کنید
معماری پلتفرم داده Azure
RTO و RPO
سناریوها - طراحی راه حلی برای CosmosDB در مقابل Data Lake در مقابل Blob Storage
سناریوها - طراحی برای پایگاه داده SQL در مقابل انبار داده
طراحی راه حل های پردازش دسته ای با استفاده از Data Factory و DataBricks
روش های بلع داده ها
پردازش زمان واقعی
طراحی و تامین منابع محاسباتی
معماری لامبدا
برنامه ای برای نقاط پایانی ایمن (عمومی/خصوصی)
تست های تمرینی
تست های تمرینی:
منابع سوالات آزمون تمرینی DP-203
منبع سوالات آزمون تمرینی DP-200/201
نکات امتحانی
نمونه سوالات 1
نمونه سوالات 2
پایان دادن:
بعدی چیست؟
بخش پاداش

نمایش سرفصل های انگلیسی

DP-203: Data Engineering on Microsoft Azure + Practice Tests