آخرین فرصت برای تهیه دوره با قیمت سابق و حتی ۳۰٪ تخفیف😮 تغییراتی در ساختار دوره‌ها و افزایش قیمت در راه است 👇
۰ ثانیه
۰ دقیقه
۰ ساعت
متخصص مهندسی داده و بیگ دیتا

متخصص مهندسی داده و بیگ دیتا

کار با کلان داده‌ها
طول دوره بیش از ۷۰ ساعت
پشتیبانی در جامعه برنامه‌نویسی
مسعود کاویانی
مدرس: مسعود کاویانی دانشمند ارشد داده فیلیمو/آپارات ...
متخصص مهندسی داده و بیگ دیتا متخصص مهندسی داده و بیگ دیتا به جامعه متخصصین سون‌لرن بپیوندید...

آشنایی با دوره متخصص مهندسی داده و بیگ دیتا

داده‌ها به عنوان یکی از اصلی‌ترین عناصر در کسب و کارهای مدرن محسوب می‌شوند. کسب و کارها با استفاده از این داده‌ها تصمیم‌گیری‌های خود را انجام می‌دهند و جنگی پنهان برای به دست آوردن هر چه بیشتر داده‌ها در حال انجام است. هر چه یک کسب و کار داده‌های بیشتر و حجیم‌تری داشته باشد و بتواند این داده‌ها را با سرعت پردازش کند، می‌تواند قدرت بیشتری در تشخیص رفتار کاربران، پیش‌بینی آینده و محاسبات مربوط به کسب و کار داشته باشد.

در این حوزه، چالش اصلی ذخیره و پردازش داده‌هاست. حجم عظیمی از داده‌ها برای ذخیره و پردازش نیازمند روش‌ها و تکنیک‌های خاصی برای پردازش هستند. و این در حالیست که روش‌های سنتی قادر به ذخیره و پردازش این حجم عظیم از داده‌ها نیستند. برای همین بایستی برای ذخیره و پردازش این حجم از داده‌ها از روش‌های مدرن‌تر که معمولا در حوزه مهندسی داده و بیگ دیتا مورد بحث و بررسی قرار می‌گیرد، استفاده کرد.

اگر که با مفاهیم برنامه نویسی آشنا نیستی و قصد شرکت در دوره آموزش مهندسی داده و بیگ دیتا را داری ، پیشنهاد می‌کنیم ابتدا در دوره آموزش برنامه نویسی مقدماتی لقمان آوند؛ مدرس و بنیان‌گذار سون‌لرن شرکت کنی و بعد از آن مسیر یادگیری برنامه نویسی را به درستی انتخاب کنی.

دوره متخصص مهندسی داده و بیگ دیتا با هدف تدریس تمامی سرفصل‌ها و مباحث لازم برای تسلط دانشجویان جهت ورود به بازار کار ارائه شده است. این دوره به صورت آنلاین برای مخاطبان آماده شده است و دانشجو را از مفاهیم پایه تا مفاهیم پیشرفته برای ورود به بازار کار یاری می‌رساند.

در صورت تهیه این دوره، دوره‌های پایتون مقدماتی و آمار کاربردی به شما هدیه داده می‌شود.

نمایش بیشتر
سرفصل‌های دوره
مقدمه و آشنایی با دوره ۸ جلسه
  • جلسه اول کدها و مجموعه داده‌های این بخش ۰ دقیقه
  • جلسه دوم داده‌های توزیع شده چیست؟ - قسمت اول ۲۹ دقیقه
  • جلسه سوم داده‌های توزیع شده چیست؟ - قسمت دوم ۲۸ دقیقه
  • جلسه چهارم زبان‌های برنامه‌نویسی مناسب برای سیستم‌های توزیع شده و بیگ‌دیتا ۱۱ دقیقه
  • جلسه پنجم ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت اول ۳۳ دقیقه
  • جلسه ششم ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت دوم ۳۳ دقیقه
  • جلسه هفتم ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت سوم ۱۹ دقیقه
  • جلسه هشتم پیش‌نیازهای رایگان (آموزش مقدمات پایتون + آموزش مقدمات جاوا) ۰ دقیقه
آموزش مقدماتی لینوکس سرور، پایتون و جاوا (پیش‌نیاز کار با ابزارهای مهندسی داده) ۲۶ جلسه
  • جلسه اول سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت اول ۲۶ دقیقه
  • جلسه دوم سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت دوم ۲۳ دقیقه
  • جلسه سوم سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت سوم ۳۲ دقیقه
  • جلسه چهارم سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت چهارم ۲۳ دقیقه
  • جلسه پنجم سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت پنجم ۱۶ دقیقه
  • جلسه ششم سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت ششم ۳۲ دقیقه
  • جلسه هفتم سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت هفتم ۲۷ دقیقه
  • جلسه هشتم برنامه‌نویسی shell لینوکس - قسمت اول ۲۰ دقیقه
  • جلسه نهم برنامه‌نویسی shell لینوکس - قسمت دوم ۲۹ دقیقه
  • جلسه دهم برنامه‌نویسی shell لینوکس - قسمت سوم ۱۷ دقیقه
  • جلسه یازدهم برنامه‌نویسی shell لینوکس - قسمت چهارم ۳۰ دقیقه
  • جلسه دوازدهم برنامه‌نویسی shell لینوکس - قسمت پنجم ۲۵ دقیقه
  • جلسه سیزدهم اسپین‌آف (مطالعه‌ی موردی استفاده از سیستم‌های توزیع شده در کسب و کارهای ایرانی) ۳۱ دقیقه
  • جلسه چهاردهم مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت اول ۲۰ دقیقه
  • جلسه پانزدهم مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت دوم ۳۶ دقیقه
  • جلسه شانزدهم مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت سوم ۳۷ دقیقه
  • جلسه هفدهم آشنایی با protocol buffer و چهارچوب GRPC - قسمت اول ۲۴ دقیقه
  • جلسه هجدهم آشنایی با protocol buffer و چهارچوب GRPC - قسمت دوم ۳۲ دقیقه
  • جلسه نوزدهم آشنایی با protocol buffer و چهارچوب GRPC - قسمت سوم ۳۳ دقیقه
  • جلسه بیستم آشنایی با protocol buffer و چهارچوب GRPC - قسمت چهارم ۱۸ دقیقه
  • جلسه بیست و یکم آشنایی با protocol buffer و چهارچوب GRPC - قسمت پنجم ۴۱ دقیقه
  • جلسه بیست و دوم آشنایی با protocol buffer و چهارچوب GRPC - قسمت ششم ۷ دقیقه
  • جلسه بیست و سوم آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت اول ۳۲ دقیقه
  • جلسه بیست و چهارم آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت دوم ۹ دقیقه
  • جلسه بیست و پنجم آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت سوم ۱۰ دقیقه
  • جلسه بیست و ششم آشنایی با VirtualMachine و نصب لینوکس بر روی ویندوز ۲۶ دقیقه
مقدمات داده‌های توزیع شده و پایگاه داده ۷ جلسه
  • جلسه اول مقدمات پایگاه داده و سیستم‌های ذخیره سازی داده ها ۱۵ دقیقه
  • جلسه دوم کدها و مجموعه داده‌های این بخش ۰ دقیقه
  • جلسه سوم مسئله‌ی دو ژنرال و مشکل سیستم‌های توزیع شده ۲۴ دقیقه
  • جلسه چهارم معماری ارباب-برده (master-slave) در سیستم‌های توزیع شده (قسمت اول) ۲۱ دقیقه
  • جلسه پنجم معماری ارباب-برده (master-slave) در سیستم‌های توزیع شده (قسمت دوم) ۷ دقیقه
  • جلسه ششم ساعت‌های منطقی در سیستم توزیع شده ۳۲ دقیقه
  • جلسه هفتم تفاوت SQL و NoSQL و آشنایی با اکوسیستم آن‌ها ۲۹ دقیقه
پایگاه داده‌های مبتنی بر SQL و جبر رابطه‌ای - بخش اول ۴۵ جلسه
  • جلسه اول در این بخش چه چیزی یاد می‌گیریم؟ ۰ دقیقه
  • جلسه دوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت اول ۳۷ دقیقه
  • جلسه سوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دوم ۳۳ دقیقه
  • جلسه چهارم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سوم ۲۷ دقیقه
  • جلسه پنجم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهارم ۳۴ دقیقه
  • جلسه ششم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت پنجم ۳۲ دقیقه
  • جلسه هفتم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت ششم ۳۲ دقیقه
  • جلسه هشتم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هفتم ۲۲ دقیقه
  • جلسه نهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هشتم ۱۸ دقیقه
  • جلسه دهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت نهم ۲۲ دقیقه
  • جلسه یازدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دهم ۱۹ دقیقه
  • جلسه دوازدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت یازدهم ۹ دقیقه
  • جلسه سیزدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دوازدهم ۲۰ دقیقه
  • جلسه چهاردهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سیزدهم ۲۶ دقیقه
  • جلسه پانزدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهاردهم ۲۱ دقیقه
  • جلسه شانزدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت پانزدهم ۱۶ دقیقه
  • جلسه هفدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت شانزدهم ۲۹ دقیقه
  • جلسه هجدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هفدهم ۲۷ دقیقه
  • جلسه نوزدهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هجدهم ۳۴ دقیقه
  • جلسه بیستم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت نوزدهم ۴۲ دقیقه
  • جلسه بیست و یکم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیستم ۱۵ دقیقه
  • جلسه بیست و دوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و یکم ۲۳ دقیقه
  • جلسه بیست و سوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و دوم ۲۸ دقیقه
  • جلسه بیست و چهارم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و سوم ۲۶ دقیقه
  • جلسه بیست و پنجم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و چهارم ۲۰ دقیقه
  • جلسه بیست و ششم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و پنجم ۲۰ دقیقه
  • جلسه بیست و هفتم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و ششم ۲۸ دقیقه
  • جلسه بیست و هشتم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و هفتم ۳۸ دقیقه
  • جلسه بیست و نهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و هشتم ۲۴ دقیقه
  • جلسه سی‌ام پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و نهم ۱۳ دقیقه
  • جلسه سی و یکم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی ۱۷ دقیقه
  • جلسه سی و دوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و یک ۱۶ دقیقه
  • جلسه سی و سوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و دوم ۲۵ دقیقه
  • جلسه سی و چهارم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و سوم ۳۳ دقیقه
  • جلسه سی و پنجم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و چهارم ۳۱ دقیقه
  • جلسه سی و ششم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و پنجم ۲۰ دقیقه
  • جلسه سی و هفتم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و ششم ۲۹ دقیقه
  • جلسه سی و هشتم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و هفتم ۲۷ دقیقه
  • جلسه سی و نهم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و هشتم ۱۴ دقیقه
  • جلسه چهلم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و نهم ۱۳ دقیقه
  • جلسه چهل و یکم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهلم ۱۶ دقیقه
  • جلسه چهل و دوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و یکم ۲۶ دقیقه
  • جلسه چهل و سوم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و دوم ۳۱ دقیقه
  • جلسه چهل و چهارم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و سوم ۳۸ دقیقه
  • جلسه چهل و پنجم پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و چهارم ۱۶ دقیقه
پایگاه داده‌های مبتنی بر SQL و جبر رابطه‌ای - بخش دوم ۲۵ جلسه
  • جلسه اول در این بخش چه چیزی یاد می‌گیریم؟ ۰ دقیقه
  • جلسه دوم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت اول ۲۶ دقیقه
  • جلسه سوم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دوم ۲۰ دقیقه
  • جلسه چهارم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت سوم ۲۶ دقیقه
  • جلسه پنجم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت چهارم ۱۴ دقیقه
  • جلسه ششم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت پنجم ۱۴ دقیقه
  • جلسه هفتم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت ششم ۵ دقیقه
  • جلسه هشتم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت هفتم ۲۵ دقیقه
  • جلسه نهم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت هشتم ۲۰ دقیقه
  • جلسه دهم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت نهم ۹ دقیقه
  • جلسه یازدهم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دهم ۱۹ دقیقه
  • جلسه دوازدهم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت یازدهم ۱۶ دقیقه
  • جلسه سیزدهم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دوازدهم ۱۷ دقیقه
  • جلسه چهاردهم پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت سیزدهم ۱۸ دقیقه
  • جلسه پانزدهم پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت اول ۱۸ دقیقه
  • جلسه شانزدهم پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت دوم ۹ دقیقه
  • جلسه هفدهم پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت سوم ۲۶ دقیقه
  • جلسه هجدهم پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت چهارم ۱۶ دقیقه
  • جلسه نوزدهم پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت پنجم ۳۱ دقیقه
  • جلسه بیستم پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت ششم ۱۳ دقیقه
  • جلسه بیست و یکم پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت هفتم ۲۳ دقیقه
  • جلسه بیست و دوم HA Proxy و MySQL برای توزیع بار - قسمت اول ۲۸ دقیقه
  • جلسه بیست و سوم HA Proxy و MySQL برای توزیع بار - قسمت دوم ۳۴ دقیقه
  • جلسه بیست و چهارم پایگاه داده SQLite (مثال داده‌های سرشماری کشور) - قسمت اول ۲۱ دقیقه
  • جلسه بیست و پنجم پایگاه داده SQLite (مثال داده‌های سرشماری کشور) - قسمت دوم ۲۷ دقیقه
پایگاه داده‌های NoSQL - بخش اول ۶۲ جلسه
  • جلسه اول در این بخش چه چیزی یاد می‌گیریم؟ ۰ دقیقه
  • جلسه دوم تئوری CAP و انتخاب درست پایگاه داده مبتنی بر این تئوری ۳۱ دقیقه
  • جلسه سوم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت اول ۲۰ دقیقه
  • جلسه چهارم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دوم ۱۴ دقیقه
  • جلسه پنجم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت سوم ۱۰ دقیقه
  • جلسه ششم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت چهارم ۱۹ دقیقه
  • جلسه هفتم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت پنجم ۴ دقیقه
  • جلسه هشتم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت ششم ۶ دقیقه
  • جلسه نهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت هفتم ۹ دقیقه
  • جلسه دهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت هشتم ۵ دقیقه
  • جلسه یازدهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت نهم ۱۲ دقیقه
  • جلسه دوازدهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دهم ۴۶ دقیقه
  • جلسه سیزدهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت یازدهم ۳۴ دقیقه
  • جلسه چهاردهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دوازدهم ۳۴ دقیقه
  • جلسه پانزدهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت سیزدهم ۱۶ دقیقه
  • جلسه شانزدهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت چهاردهم ۱۳ دقیقه
  • جلسه هفدهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت پانزدهم ۳۰ دقیقه
  • جلسه هجدهم پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت شانزدهم ۷ دقیقه
  • جلسه نوزدهم جمع بندی(SQL و NoSQL) - قسمت اول ۲۷ دقیقه
  • جلسه بیستم جمع بندی (SQL و NoSQL) - قسمت دوم ۵ دقیقه
  • جلسه بیست و یکم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت اول ۱۵ دقیقه
  • جلسه بیست و دوم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دوم ۱۵ دقیقه
  • جلسه بیست و سوم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت سوم ۱۰ دقیقه
  • جلسه بیست و چهارم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت چهارم ۹ دقیقه
  • جلسه بیست و پنجم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت پنجم ۱۷ دقیقه
  • جلسه بیست و ششم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت ششم ۲۶ دقیقه
  • جلسه بیست و هفتم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت هفتم ۲۱ دقیقه
  • جلسه بیست و هشتم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت هشتم ۲۷ دقیقه
  • جلسه بیست و نهم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت نهم ۷ دقیقه
  • جلسه سی‌ام پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دهم ۱۶ دقیقه
  • جلسه سی و یکم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت یازدهم ۲۵ دقیقه
  • جلسه سی و دوم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دوازدهم ۲۵ دقیقه
  • جلسه سی و سوم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت سیزدهم ۱۸ دقیقه
  • جلسه سی و چهارم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت چهاردهم ۲۶ دقیقه
  • جلسه سی و پنجم پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت پانزدهم ۷ دقیقه
  • جلسه سی و ششم جمع بندی (SQL و NoSQL) - قسمت سوم ۵ دقیقه
  • جلسه سی و هفتم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت اول ۸ دقیقه
  • جلسه سی و هشتم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دوم ۱۰ دقیقه
  • جلسه سی و نهم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت سوم ۲۲ دقیقه
  • جلسه چهلم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت چهارم ۱۴ دقیقه
  • جلسه چهل و یکم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت پنجم ۱۳ دقیقه
  • جلسه چهل و دوم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت ششم ۱۵ دقیقه
  • جلسه چهل و سوم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت هفتم ۱۴ دقیقه
  • جلسه چهل و چهارم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت هشتم ۱۹ دقیقه
  • جلسه چهل و پنجم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت نهم ۱۹ دقیقه
  • جلسه چهل و ششم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دهم ۷ دقیقه
  • جلسه چهل و هفتم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت یازدهم ۲۴ دقیقه
  • جلسه چهل و هشتم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دوازدهم ۹ دقیقه
  • جلسه چهل و نهم پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت سیزدهم ۲۲ دقیقه
  • جلسه پنجاهم جمع بندی (SQL و NoSQL) - قسمت چهارم ۷ دقیقه
  • جلسه پنجاه و یکم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت اول ۲۰ دقیقه
  • جلسه پنجاه و دوم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت دوم ۱۵ دقیقه
  • جلسه پنجاه و سوم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت سوم ۲۶ دقیقه
  • جلسه پنجاه و چهارم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت چهارم ۱۴ دقیقه
  • جلسه پنجاه و پنجم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت پنجم ۷ دقیقه
  • جلسه پنجاه و ششم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت ششم ۱۴ دقیقه
  • جلسه پنجاه و هفتم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت هفتم ۱۳ دقیقه
  • جلسه پنجاه و هشتم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت هشتم ۲۲ دقیقه
  • جلسه پنجاه و نهم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت نهم ۲۶ دقیقه
  • جلسه شصتم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت دهم ۲۰ دقیقه
  • جلسه شصت و یکم پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت یازدهم ۸ دقیقه
  • جلسه شصت و دوم جمع بندی (SQL و NoSQL) - قسمت پنجم ۵ دقیقه
پایگاه داده‌های NoSQL - بخش دوم ۳۹ جلسه
  • جلسه اول در این بخش چه چیزی یاد می‌گیریم؟ ۰ دقیقه
  • جلسه دوم پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت اول ۷ دقیقه
  • جلسه سوم پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت دوم ۲۰ دقیقه
  • جلسه چهارم پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت سوم ۲۲ دقیقه
  • جلسه پنجم پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت چهارم ۲۱ دقیقه
  • جلسه ششم پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت پنجم ۲۱ دقیقه
  • جلسه هفتم پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت ششم ۲۰ دقیقه
  • جلسه هشتم پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت هفتم ۲۰ دقیقه
  • جلسه نهم ابزار Grafana و ارتباط آن با Prometheus ۱۲ دقیقه
  • جلسه دهم انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت اول ۲۰ دقیقه
  • جلسه یازدهم انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت دوم ۱۴ دقیقه
  • جلسه دوازدهم انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت سوم ۹ دقیقه
  • جلسه سیزدهم انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت چهارم ۱۶ دقیقه
  • جلسه چهاردهم انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت پنجم ۱۵ دقیقه
  • جلسه پانزدهم انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت ششم ۲۱ دقیقه
  • جلسه شانزدهم مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت اول ۱۷ دقیقه
  • جلسه هفدهم مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت دوم ۲۸ دقیقه
  • جلسه هجدهم مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت سوم ۲۷ دقیقه
  • جلسه نوزدهم RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت اول ۸ دقیقه
  • جلسه بیستم RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت دوم ۱۶ دقیقه
  • جلسه بیست و یکم RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت سوم ۳۰ دقیقه
  • جلسه بیست و دوم RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت چهارم ۱۲ دقیقه
  • جلسه بیست و سوم Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت اول ۱۲ دقیقه
  • جلسه بیست و چهارم Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت دوم ۱۵ دقیقه
  • جلسه بیست و پنجم Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت سوم ۲۷ دقیقه
  • جلسه بیست و ششم Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت چهارم ۲۶ دقیقه
  • جلسه بیست و هفتم Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت پنجم ۲۳ دقیقه
  • جلسه بیست و هشتم Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت ششم ۱۷ دقیقه
  • جلسه بیست و نهم جمع بندی + نقشه‌ی ذهنی ۱۰ دقیقه
  • جلسه سی‌ام پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت اول ۱۰ دقیقه
  • جلسه سی و یکم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت دوم ۱۱ دقیقه
  • جلسه سی و دوم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت سوم ۲۰ دقیقه
  • جلسه سی و سوم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت چهارم ۱۳ دقیقه
  • جلسه سی و چهارم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت پنجم ۱۴ دقیقه
  • جلسه سی و پنجم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت ششم ۱۰ دقیقه
  • جلسه سی و ششم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت هفتم ۲۲ دقیقه
  • جلسه سی و هفتم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت هشتم ۲۶ دقیقه
  • جلسه سی و هشتم پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت نهم ۱۳ دقیقه
  • جلسه سی و نهم جمع بندی + نقشه ذهنی ۴ دقیقه
مقدمات هدوپ (Hadoop) و آشنایی با اکوسیستم آن ۲۱ جلسه
  • جلسه اول کدها و مجموعه داده‌های این بخش ۰ دقیقه
  • جلسه دوم در این بخش چه چیزی یاد می‌گیریم؟ ۰ دقیقه
  • جلسه سوم آشنایی با Apache Hadoop (هدوپ) و معماری آن ۶ دقیقه
  • جلسه چهارم آشنایی با HDFS (فایل سیستم توزیع شده هدوپ) و معماری آن ۱۶ دقیقه
  • جلسه پنجم آشنایی با Map Reduce و معماری آن ۱۵ دقیقه
  • جلسه ششم نصب و استفاده از هدوپ در داکر - قسمت اول ۱۹ دقیقه
  • جلسه هفتم نصب و استفاده از هدوپ در داکر - قسمت دوم ۲۷ دقیقه
  • جلسه هشتم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت اول ۲۴ دقیقه
  • جلسه نهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت دوم ۲۴ دقیقه
  • جلسه دهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت سوم ۲۰ دقیقه
  • جلسه یازدهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت چهارم ۱۵ دقیقه
  • جلسه دوازدهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت پنجم ۲۱ دقیقه
  • جلسه سیزدهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت ششم ۲۲ دقیقه
  • جلسه چهاردهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت هفتم ۲۵ دقیقه
  • جلسه پانزدهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت هشتم ۲۰ دقیقه
  • جلسه شانزدهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت نهم ۲۸ دقیقه
  • جلسه هفدهم ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت دهم ۳۸ دقیقه
  • جلسه هجدهم ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت اول ۷ دقیقه
  • جلسه نوزدهم ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت دوم ۳۲ دقیقه
  • جلسه بیستم ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت سوم ۸ دقیقه
  • جلسه بیست و یکم ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت چهارم ۴۱ دقیقه
ابزارهای اکوسیستم هدوپ (Hadoop) و مثال‌های موردی ۲۲ جلسه
  • جلسه اول در این بخش چه چیزی یاد می‌گیریم؟ ۰ دقیقه
  • جلسه دوم آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت اول ۵ دقیقه
  • جلسه سوم آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت دوم ۳۵ دقیقه
  • جلسه چهارم آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت سوم ۲۶ دقیقه
  • جلسه پنجم آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت چهارم ۲۳ دقیقه
  • جلسه ششم آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت پنجم ۳۱ دقیقه
  • جلسه هفتم آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت اول ۶ دقیقه
  • جلسه هشتم آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت دوم ۱۱ دقیقه
  • جلسه نهم آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت سوم ۱۷ دقیقه
  • جلسه دهم آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت چهارم ۳۱ دقیقه
  • جلسه یازدهم آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت پنجم ۸ دقیقه
  • جلسه دوازدهم پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت اول ۱۹ دقیقه
  • جلسه سیزدهم پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت دوم ۲۰ دقیقه
  • جلسه چهاردهم پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت سوم ۷ دقیقه
  • جلسه پانزدهم پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت چهارم ۹ دقیقه
  • جلسه شانزدهم آپاچی Mahout و یادگیری ماشین در هدوپ - قسمت اول ۷ دقیقه
  • جلسه هفدهم آپاچی Mahout و یادگیری ماشین در هدوپ - قسمت دوم ۱۳ دقیقه
  • جلسه هجدهم آپاچی Sqoop در اکوسیستم هدوپ - قسمت اول ۵ دقیقه
  • جلسه نوزدهم آپاچی Sqoop در اکوسیستم هدوپ - قسمت دوم ۲۳ دقیقه
  • جلسه بیستم آپاچی Sqoop در اکوسیستم هدوپ - قسمت سوم ۱۷ دقیقه
  • جلسه بیست و یکم جمع بندی + نقشه ذهنی ۸ دقیقه
  • جلسه بیست و دوم تمرین پایانی فصل ۰ دقیقه
مقدمات اکوسیستم اسپارک (Spark) ۲۱ جلسه
  • جلسه اول کدها و مجموعه داده‌های این بخش ۰ دقیقه
  • جلسه دوم در این بخش چه چیز یاد می‌گیریم؟ ۰ دقیقه
  • جلسه سوم آشنایی با آپاچی اسپارک (Spark) و تفاوت آن با هدوپ (Hadoop) - قسمت اول ۱۶ دقیقه
  • جلسه چهارم آشنایی با آپاچی اسپارک (Spark) و تفاوت آن با هدوپ (Hadoop) - قسمت دوم ۸ دقیقه
  • جلسه پنجم آشنایی با زبان Scala - قسمت اول ۱۲ دقیقه
  • جلسه ششم آشنایی با زبان Scala - قسمت دوم ۱۴ دقیقه
  • جلسه هفتم آشنایی با زبان Scala - قسمت سوم ۷ دقیقه
  • جلسه هشتم مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت اول ۱۳ دقیقه
  • جلسه نهم مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت دوم ۱۴ دقیقه
  • جلسه دهم مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت سوم ۱۷ دقیقه
  • جلسه یازدهم مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت چهارم ۲۶ دقیقه
  • جلسه دوازدهم مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت پنجم ۱۹ دقیقه
  • جلسه سیزدهم پایتون و اسپارک (PySpark) (مثال داده‌های MovieLens و بازار سهام) - قسمت اول ۱۸ دقیقه
  • جلسه چهاردهم پایتون و اسپارک (PySpark) (مثال داده‌های MovieLens و بازار سهام) - قسمت دوم ۲۶ دقیقه
  • جلسه پانزدهم پایتون و اسپارک (PySpark) (مثال داده‌های MovieLens و بازار سهام) - قسمت سوم ۱۷ دقیقه
  • جلسه شانزدهم اسپارک و SQL (مثال داده‌های بیماری قلبی) - قسمت اول ۱۸ دقیقه
  • جلسه هفدهم اسپارک و SQL (مثال داده‌های بیماری قلبی) - قسمت دوم ۲۶ دقیقه
  • جلسه هجدهم ارتباط اسپارک و HDFS هدوپ ۱۵ دقیقه
  • جلسه نوزدهم پروژه مشتری‌های هایپرمارکت با پایتون و آپاچی اسپارک - قسمت اول ۲۱ دقیقه
  • جلسه بیستم پروژه مشتری‌های هایپرمارکت با پایتون و آپاچی اسپارک - قسمت دوم ۱۵ دقیقه
  • جلسه بیست و یکم بررسی نصب آپاچی اسپارک در داکر ۱۰ دقیقه
کار با ابزارهای اسپارک (Spark) و مثال‌های موردی ۱۶ جلسه
  • جلسه اول در این بخش چه چیز یاد می‌گیریم؟ ۰ دقیقه
  • جلسه دوم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت اول ۱۱ دقیقه
  • جلسه سوم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت دوم ۲۰ دقیقه
  • جلسه چهارم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت سوم ۱۳ دقیقه
  • جلسه پنجم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت چهارم ۹ دقیقه
  • جلسه ششم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت پنجم ۱۸ دقیقه
  • جلسه هفتم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت ششم ۱۴ دقیقه
  • جلسه هشتم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت هفتم ۱۳ دقیقه
  • جلسه نهم یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت هشتم ۱۵ دقیقه
  • جلسه دهم پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت اول ۱۰ دقیقه
  • جلسه یازدهم پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت دوم ۲۳ دقیقه
  • جلسه دوازدهم پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت سوم ۲۳ دقیقه
  • جلسه سیزدهم پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت چهارم ۱۷ دقیقه
  • جلسه چهاردهم ترکیب آپاچی اسپارک و آپاچی کافکا برای پردازش جریان داده‌ها ۱۹ دقیقه
  • جلسه پانزدهم ترکیب آپاچی اسپارک و Mongo برای پردازش داده‌ها ۱۴ دقیقه
  • جلسه شانزدهم آپاچی اسپارک گراف (GraphX) ۲۶ دقیقه
مباحث تکمیلی - آپدیت همیشگی ۶ جلسه
  • جلسه اول آپاچی AirFlow برای مدیریت تسک‌ها ۱۸ دقیقه
  • جلسه دوم ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت اول ۱۴ دقیقه
  • جلسه سوم ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت دوم ۱۵ دقیقه
  • جلسه چهارم ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت سوم ۱۸ دقیقه
  • جلسه پنجم ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت چهارم ۱۳ دقیقه
  • جلسه ششم ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - مجموعه‌ی فایل‌ها ۰ دقیقه
نمایش بیشتر
با خیال راحت آموزش ببینید
ضمانت بازگشت وجه
ضمانت بازگشت وجه خرید و ثبت نام شما در دوره‌های بلندمدت سون لرن بدون ریسک مالی خواهد بود
آموزش مهارت محور
آموزش مهارت محور از مدرسین متخصص و با تجربه در بهترین شرکت‌های ایران مهارت مورد نیاز بازار کار را یاد می‌گیرید
رفع اشکالات و پشتیبانی فنی
جامعه برنامه نویسی فعال پشتیبانی و پاسخ به سوالات خود را در جامعه برنامه نویسی فعال سون لرن دریافت می‌کنید
ارزیابی فنی و رتبه بندی
ارزیابی فنی و امتیازدهی برای فعالیت‌ها و آزمون‌های خود، امتیازات مختلفی برای ارزیابی مهارت دریافت می‌کنید (از آذر 1402)
معرفی برترین‌ها به بازار کار
معرفی برترین‌ها به بازار کار دانشجویان فعالی که مستمر و منظم محتوای دوره‌ها را دنبال می‌کنند، در اولویت معرفی به بازار کار هستند
دسترسی دائمی و بدون محدودیت
دسترسی راحت و همیشگی شما بعد از تهیه دوره به محتوای دوره و آپدیت‌های محتوایی دسترسی خواهید داشت
نتایج دوره‌های متخصص

در ۱۷ سال اخیر بیش از ۳۵ هزار نفر در سون لرن به صورت تخصصی آموزش برنامه نویسی دیده اند و هزاران نفر از این عزیزان در شرکت‌های مختلف استخدام شده اند.

مهمترین عامل موفقیت دانشپذیرانی که موفق به استخدام و کسب درآمد پس از دوره‌های سون لرن بوده اند، نظم و استمرار در پیگیری محتوای دوره و انجام تمرین‌ها و چالش پذیری آن‌ها بوده است.

اسنپ دیجی کالا علی بابا تخفیفان کافه بازار ژاکت
+ ده‌ها شرکت مطرح دیگر
مدرس و منتورهای دوره
مسعود کاویانی مسعود کاویانی دانشمند ارشد داده فیلیمو/آپارات و مهندس یادگیری ماشین زِبراکت آلمان رزومه و نمونه تدریس
  • دانشمند ارشد داده در فیلیمو و آپارات (filimo.com/aparat.com) 
  • مهندس یادگیری ماشین کمپانی زبراکت برلین، آلمان (zebracat.ai) 
  • مهندس داده زیرساخت ذخیره‌سازی ابری پارس‌پک (parspack.com) 
  • استاد مدعو دانشگاه شهید رجایی
  • مدرس علم داده در جهاد دانشگاهی صنعتی شریف و مدرس یادگیری ماشین دانشگاه خواجه نصیر 
  • مشاور و مدرس داده‌کاوی فاوا شهرداری تهران، داروسازی دکتر عبیدی، شهرک تحقیقاتی صنعتی اصفهان، شرکت نفت پارس و بیمه سامان 
  • مدیر واحد داده‌کاوی در سامانه خبرفارسی (khabarfarsi.com) 
  • بنیان‌گذار پروژه‌ی آموزشی چیستیو (chistio.ir) 
  • دارنده‌ی مدال کارآفرینی از کمپانی گوگل در مسابقات جهانی جی‌اس‌بی (startup.google.com) 
  • برنامه‌نویس ارشد شرکت فناوری اطلاعات ثانیه
  • مجری پروژه‌های هوشمندسازی راه‌آهن جمهوری اسلامی ایران، سامانه برنامه‌ریزی هوشمند دانشگاهی ترنج و سازمان بنادر کل کشور
  •  (saniehco.com) برنامه‌نویس پایتون و پی‌اچ‌پی در شرکت جویشگر پردیس ارم (jooyeshgar.com) و شرکت پدیده تجارت جاویدان (padideit.com)
ویدیو‌های نمونه تدریس دوره

ثبت‌نام در متخصص مهندسی داده و بیگ دیتا

سرمایه‌گذاری روی مهارت‌هایتان، یک تصمیم هوشمندانه است!
زمان را از دست ندهید کار با کلان داده‌ها
۰ ثانیه
۰ دقیقه
۰ ساعت
9.3 ۶.۵۱ میلیون تومان
ثبت نام می‌کنم
کمپین reloaded شروع شد!
۰ ثانیه
۰ دقیقه
۰ ساعت
  • بیش از ۷۰ ساعت
  • پشتیبانی در جامعه برنامه‌نویسان
  • گارانتی بازگشت کامل وجه
  • با تدریس مسعود کاویانی ، دانشمند ارشد داده فیلیمو/آپارات و مهندس یادگیری ماشین زِبراکت آلمان
  • آموزش منطبق بر نیاز بازار کار
30٪ تخفیف
در کنار شما هستیم مشاوره ثبت‌نام در دوره متخصص مهندسی داده و بیگ دیتا