متخصص مهندسی داده و بیگ دیتا

با تدریس   مسعود کاویانی

۷۷ ساعت
۲۳۷ جلسه
۱ سال پشتیبانی
گارانتی بازگشت ۱۰۰ درصدی وجه

آموزش مهندسی داده (Data Engineering) و کلان داده (Big Data 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.

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.

دانشجویان پس از مشاهده جلسات امکان پرسش و پاسخ، رفع اشکال، انجام تمرین، انجام آزمون‌های مقطعی و رتبه‌بندی خواهند داشت. پس از پایان دوره کسانی که در آزمون‌های جامع و ارزیابی فنی بالاترین نمرات را کسب کنند، جهت استخدام به شرکت‌هایی معرفی می‌شوند که قصد دارند از طریق مجموعه سون‌لرن برنامه‌نویس مورد نظر خود را جذب کنند.

چرا مهندس داده و بیگ دیتا شویم؟

  • تقریبا تمامی کسب و کارهای متوسط و بزرگ، بانک‌ها، بیمه‌ها، سازمان‌ها و ارگان‌های دولتی و… نیازمند ذخیره و پردازش حجم عظیمی از داده‌ها هستند.
  • یکی از گزینه‌های اپلای در کسب و کارهای بین المللی مهندسی داده و ابزارهای آن است.
  • میانگین درآمد مهندسان داده از درآمد بسیاری از شغل‌های دیگر در حوزه‌ی آی‌تی بالاتر است.
  • با یادگیری مهندسی داده، زیر حوزه‌هایی (مانند پایگاه داده، پردازش موازی، پردازش و سیستم‌های توزیع‌شده، یادگیری ماشین بر روی داده‌های حجیم و…) را نیز فرار خواهید گرفت که هر کدام به صورت مستقل می‌توانند در کسب و کارها کاربرد داشته باشند.

این دوره
برای چه کسانی
مناسـب اسـت؟

  • کسانی که به ذخیره و پردازش حجم بالایی از داده‌ها علاقه‌مند هستند.
  • کسانی که می‌خواهند در کسب و کارهای بزرگ بر روی داده‌ها مشغول به کار شوند.
  • کسانی که به فکر مهاجرت و اپلای در بیزینس‌های بین المللی هستند.

این دوره
برای چه کسانی
مناسـب نیست؟

  • کسانی که فرصت کافی برای تمرین و یادگیری مباحث مختلف این دوره را ندارند
  • کسانی که بدون شناخت کافی و فقط با انگیزه مالی به‌دنبال ورود به این حوزه هستند
  • کسانی که بیشتر به دنبال کارهای حفظی و تئوریک هستند

ویژگی های دوره

ما به کیفیت و اثربخشی محصول خود اعتقاد داریم و به همین منظور گارانتی بازگشت وجه یک ماهه به شما ارائه می دهیم تا خریدی بدون ریسک و بدون نگرانی داشته باشید.
هزینه‌ای که بابت دوره پرداخت می‌کنید تا 1 ماه در اختیار خودِ شماست. اگر پس از خرید دوره به‌صورت جامع، به هر دلیلی از شرکت در آن منصرف شدید تا ١ ماه پس از خريد امكان انصراف و بازگشت كامل وجه برای شما درنظر گرفته شده است. برای انصراف از دوره لازم است در بازه زمانی تعیین شده درخواست خود را با پشتیبانی مطرح کرده و حداکثر ۲۵% از دوره را مشاهده کرده باشید. پس از انصراف همواره منتظر نظرات و پیشنهادات شما برای بهبود کیفیت دوره و نحوه ارائه آن‌ها هستیم و امیدواریم در حوزه موردنظر خود به موفقیت و فرصت‌های بزرگی دست پیدا کنید.

آموزش مهارت‌محور به این معنی‌ست که در طول دوره و باتوجه به میزان پیچیدگی هر مبحث آموزشی تمرین‌، آزمون و پروژه‌های مختلفی برای شما در نظر گرفته شده است تا یادگیری خود را تکمیل کنید. همچنین برگزاری وبینارهای متعدد و عضویت در گروه تلگرامی دوره امکان ارتباط با اساتید، منتورها و سایر دانشجویان را برای شما فراهم می‌کند. وضعیت آموزشی هر دانشجو برای منتورهای دوره قابل رصد و ارزیابی‌ست زیرا منتورها از بین دانشجویان برتر انتخاب شده‌اند و به‌خوبی با فرایند آموزشی و چالش‌های دوره آشنایی دارند. پایبندی به این متد آموزشی علاوه‌بر ارتقا سطح مهارتی که دارید، شما را با چالش هاى فنى و نحوه مدیریت آن‌ها آشنا مى كند و اين همان چيزى‌ست كه برای حضور در بازار كار به آن نياز داريد.

هیچ سوالی بی‌جواب نخواهد ماند. پس از ورود به دوره امكان پرسش و پاسخ و رفع اشكال براى شما فراهم است. شما می‌توانید در هر ساعتی از شبانه روز سوالات خود را مطرح کنید و اساتید یا منتورهای دوره در سريع‌ترين زمان ممكن به شما پاسخ خواهند داد. حضور در این فضای تعاملی و همراهی با دیگران می‌تواند در ارتقای مهارت‌های نرم دانشجویان و ایجاد یک رقابت سالم نقش موثری داشته باشد.

فعالیت‌های آموزشی تعریف شده در دوره مانند مشاهده جلسات، تمرین، آزمون، پروژه، پاسخ دادن به سوال دیگران و غیره با شاخصی به‌نام xp ارزیابی می‌شوند که منجربه رتبه‌بندی دانشجویان خواهد شد. به این معنی که دانشجویان با انجام هر کدام از موارد بالا و کسب امتیاز (xp) مربوط به آن فرایند، جایگاه خود را در رتبه‌بندی دوره ارتقا می‌دهند. طبیعتا دانشجویانی که xp بیشتری دارند نسبت به دیگران از رتبه و مهارت بهتری برخوردار هستند و آمادگی بیشتری برای ارزیابی‌های پایان دوره و کسب موقعیت‌های شغلی دارند. هر فعالیتی xp مشخصی دارد تا علاوه‌بر تشویق دانشجو برای پایبندی به آموزش، یک معیار مشخص و عادلانه برای انتخاب دانشجویان برتر ارائه دهد. بدین ترتیب شما می‌توانید میزان مشارکت و پیشرفت خود را با دیگران مقایسه و در فرصت باقی‌مانده از دوره، برای بهبود وضعیت آموزشی خود تلاش کنید.
سیستم ارزیابی تا انتهای آذرماه به خاطر باز طراحی در دسترس نخواهد بود

هرساله شرکت‌های معتبری از سراسر ایران اقدام به جذب نیرو در حوزه تکنولوژی می‌کنند و بسیاری از این مجموعه‌ها از سون‌لرن درخواست معرفی نیروی متخصص دارند. در این شرایط سون‌لرن خود را موظف می‌داند تا افراد برتر هر دوره را اعتبارسنجی کرده و به شرکت‌های متقاضی جهت استخدام معرفی کند. سایر دانشجویان نیز درصورت بهره‌مندی کامل از محتوای دوره و تکمیل مهارت‌های خود به‌راحتی قادر به اشتغال و فعالیت در زمینه موردنظر خود خواهند بود.

پشتیبانی طولانی‌مدت سون‌لرن از زمان ثبت نام شما، به مدت 1 سال همراهتان خواهد بود . علاوه بر این در صورت استخدام شما پس از دوره، با هماهنگی واحد پشتیبانی می توانید از 1 ماه همراهی پس از استخدام هم استفاده نمایید تا با خیال راحت و دلگرمی بر جایگاه شغلی که شایسته شماست تکیه بزنید. طبیعتا دانشجویانی که طبق زمان‌بندی دوره، یادگیری را پیش ببرند از مدت زمان پشتیبانی بیشترین بهره را خواهند برد. این پشتیبانی شامل پاسخ به مشکلات فنی، آموزشی و موارد مربوط به اشتغال شما است.

محتوای دوره‌ها همواره در اختیار شماست و لازم نیست نگران منقضی شدن آن و یا از بین رفتن پروفایل کاربری خود باشید چرا که بدون محدودیت زمانی و مکانی به آن دسترسی دارید. درضمن هر زمان که برخی مباحث آموزشی تغییر کرده و نیازمند به‌روزرسانی باشند، محتوای به‌روزشده سرفصل‌هایی که خریداری کرده‌اید در پنل کاربری شما در سایت 7learn.com قرار خواهد گرفت.

دانشجویان سابق متخصص سون لرن کجا استخدام شدند؟

کار کردن در شرکت‌های بزرگ و پویا مزایای زیادی در اختیار شما قرار می‌دهد که رشد فردی، بروز خلاقیت، ارتباطات مناسب و درآمد خوب تنها بخشی از این مزایا هستند. برای اینکه به جمع حرفه‌ای‌ها راه پیدا کنید و در کار خود بی‌بدیل باشید، باید همواره به‌روز بوده و در جایگاه خود حرفی برای گفتن داشته باشید. دوره‌‌های متخصص سن‌لرن، دانش موردنیاز و مهارت‌های کاربردی را در اختیارتان قرار می‌دهند تا با پشتکار و انگیزه فراوان بتوانید مانند بسیاری از دانشجویان سون لرن در کسب‌وکار و یا شغل خود موفق باشید.

در این دوره دانش فنی موردنیاز شما تدریس می‌شود، کافی‌ست نهایت استفاده را از آن داشته باشید تا مانند بسیاری از دانشجوهای موفق سون‌لرن، از فرصت های شغلی چنین شرکت‌های مطرحی بهره‌مند شوید.

و ده ها
شرکت دیگر

سرفصل های دوره

تعاریف اولیه، پیش نیازها و کاربردهای مهندسی داده

  • داده‌های توزیع شده چیست؟ - قسمت اول منتشر شده ۳۰ دقیقه
  • داده‌های توزیع شده چیست؟ - قسمت دوم منتشر شده ۲۹ دقیقه
  • زبان‌های برنامه‌نویسی مناسب برای سیستم‌های توزیع شده و بیگ‌دیتا منتشر شده ۱۲ دقیقه
  • ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت اول منتشر شده ۳۴ دقیقه
  • ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت دوم منتشر شده ۳۴ دقیقه
  • ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت سوم منتشر شده ۲۰ دقیقه
  • پیش‌نیازهای رایگان (آموزش مقدمات پایتون + آموزش مقدمات جاوا)

  • سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت اول منتشر شده ۲۷ دقیقه
  • سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت دوم منتشر شده ۲۴ دقیقه
  • سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت سوم منتشر شده ۳۳ دقیقه
  • سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت چهارم منتشر شده ۲۴ دقیقه
  • سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت پنجم منتشر شده ۱۷ دقیقه
  • سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت ششم منتشر شده ۳۳ دقیقه
  • سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت هفتم منتشر شده ۲۸ دقیقه
  • برنامه‌نویسی shell لینوکس - قسمت اول منتشر شده ۲۱ دقیقه
  • برنامه‌نویسی shell لینوکس - قسمت دوم منتشر شده ۳۰ دقیقه
  • برنامه‌نویسی shell لینوکس - قسمت سوم منتشر شده ۱۸ دقیقه
  • برنامه‌نویسی shell لینوکس - قسمت چهارم منتشر شده ۳۱ دقیقه
  • برنامه‌نویسی shell لینوکس - قسمت پنجم منتشر شده ۲۶ دقیقه
  • اسپین‌آف (مطالعه‌ی موردی استفاده از سیستم‌های توزیع شده در کسب و کارهای ایرانی) منتشر شده ۳۲ دقیقه
  • مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت اول منتشر شده ۲۱ دقیقه
  • مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت دوم منتشر شده ۳۷ دقیقه
  • مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت سوم منتشر شده ۳۸ دقیقه
  • آشنایی با protocol buffer و چهارچوب GRPC - قسمت اول منتشر شده ۲۵ دقیقه
  • آشنایی با protocol buffer و چهارچوب GRPC - قسمت دوم منتشر شده ۳۳ دقیقه
  • آشنایی با protocol buffer و چهارچوب GRPC - قسمت سوم منتشر شده ۳۴ دقیقه
  • آشنایی با protocol buffer و چهارچوب GRPC - قسمت چهارم منتشر شده ۱۹ دقیقه
  • آشنایی با protocol buffer و چهارچوب GRPC - قسمت پنجم منتشر شده ۴۲ دقیقه
  • آشنایی با protocol buffer و چهارچوب GRPC - قسمت ششم منتشر شده ۸ دقیقه
  • آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت اول منتشر شده ۳۳ دقیقه
  • آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت دوم منتشر شده ۱۰ دقیقه
  • آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت سوم منتشر نشده ۱۱ دقیقه
  • آشنایی با VirtualMachine و نصب لینوکس بر روی ویندوز منتشر نشده ۲۷ دقیقه

کار با پایگاه داده SQL و NoSQL

  • مسئله‌ی دو ژنرال و مشکل سیستم‌های توزیع شده منتشر شده ۲۵ دقیقه
  • معماری ارباب-برده (master-slave) در سیستم‌های توزیع شده (قسمت اول) منتشر شده ۲۱ دقیقه
  • معماری ارباب-برده (master-slave) در سیستم‌های توزیع شده (قسمت دوم) منتشر شده ۸ دقیقه
  • ساعت‌های منطقی در سیستم توزیع شده منتشر شده ۳۳ دقیقه
  • تفاوت SQL و NoSQL و آشنایی با اکوسیستم آن‌ها منتشر نشده ۳۰ دقیقه

  • در این بخش چه چیزی یاد می‌گیریم؟
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت اول منتشر شده ۳۸ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دوم منتشر شده ۳۴ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سوم منتشر شده ۲۸ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهارم منتشر شده ۳۵ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت پنجم منتشر شده ۳۳ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت ششم منتشر شده ۳۳ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هفتم منتشر شده ۲۳ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هشتم منتشر شده ۱۹ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت نهم منتشر شده ۲۳ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دهم منتشر شده ۲۰ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت یازدهم منتشر شده ۱۰ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دوازدهم منتشر شده ۲۱ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سیزدهم منتشر شده ۲۷ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهاردهم منتشر شده ۲۲ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت پانزدهم منتشر شده ۱۷ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت شانزدهم منتشر شده ۳۰ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هفدهم منتشر شده ۲۸ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هجدهم منتشر شده ۳۵ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت نوزدهم منتشر شده ۴۳ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیستم منتشر شده ۱۶ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و یکم منتشر شده ۲۴ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و دوم منتشر شده ۲۹ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و سوم منتشر شده ۲۷ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و چهارم منتشر شده ۲۱ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و پنجم منتشر شده ۲۱ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و ششم منتشر شده ۲۹ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و هفتم منتشر شده ۳۹ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و هشتم منتشر شده ۲۵ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و نهم منتشر شده ۱۴ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی منتشر شده ۱۸ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و یک منتشر شده ۱۷ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و دوم منتشر شده ۲۶ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و سوم منتشر شده ۳۴ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و چهارم منتشر شده ۳۲ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و پنجم منتشر شده ۲۱ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و ششم منتشر شده ۳۰ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و هفتم منتشر شده ۲۸ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و هشتم منتشر شده ۱۵ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و نهم منتشر شده ۱۴ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهلم منتشر شده ۱۷ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و یکم منتشر شده ۲۷ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و دوم منتشر شده ۳۲ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و سوم منتشر شده ۳۹ دقیقه
  • پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و چهارم منتشر شده ۱۷ دقیقه

  • در این بخش چه چیزی یاد می‌گیریم؟
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت اول منتشر شده ۲۷ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دوم منتشر شده ۲۱ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت سوم منتشر شده ۲۷ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت چهارم منتشر شده ۱۵ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت پنجم منتشر شده ۱۵ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت ششم منتشر شده ۶ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت هفتم منتشر شده ۲۶ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت هشتم منتشر شده ۲۱ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت نهم منتشر شده ۱۰ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دهم منتشر شده ۲۰ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت یازدهم منتشر شده ۱۷ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دوازدهم منتشر شده ۱۸ دقیقه
  • پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت سیزدهم منتشر شده ۱۹ دقیقه
  • پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت اول منتشر شده ۱۹ دقیقه
  • پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت دوم منتشر شده ۱۰ دقیقه
  • پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت سوم منتشر شده ۲۷ دقیقه
  • پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت چهارم منتشر شده ۱۷ دقیقه
  • پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت پنجم منتشر شده ۳۲ دقیقه
  • پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت ششم منتشر شده ۱۴ دقیقه
  • پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت هفتم منتشر شده ۲۴ دقیقه
  • HA Proxy و MySQL برای توزیع بار - قسمت اول منتشر شده ۲۹ دقیقه
  • HA Proxy و MySQL برای توزیع بار - قسمت دوم منتشر شده ۳۵ دقیقه
  • پایگاه داده SQLite (مثال داده‌های سرشماری کشور) - قسمت اول منتشر شده ۲۲ دقیقه
  • پایگاه داده SQLite (مثال داده‌های سرشماری کشور) - قسمت دوم منتشر شده ۲۸ دقیقه

  • در این بخش چه چیزی یاد می‌گیریم؟
  • تئوری CAP و انتخاب درست پایگاه داده مبتنی بر این تئوری منتشر شده ۳۲ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت اول منتشر شده ۲۱ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دوم منتشر شده ۱۵ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت سوم منتشر شده ۱۱ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت چهارم منتشر شده ۲۰ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت پنجم منتشر شده ۵ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت ششم منتشر شده ۷ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت هفتم منتشر شده ۱۰ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت هشتم منتشر شده ۶ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت نهم منتشر شده ۱۳ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دهم منتشر شده ۴۷ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت یازدهم منتشر شده ۳۵ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دوازدهم منتشر شده ۳۵ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت سیزدهم منتشر شده ۱۷ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت چهاردهم منتشر شده ۱۴ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت پانزدهم منتشر شده ۳۱ دقیقه
  • پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت شانزدهم منتشر شده ۸ دقیقه
  • جمع بندی(SQL و NoSQL) - قسمت اول منتشر شده ۲۸ دقیقه
  • جمع بندی (SQL و NoSQL) - قسمت دوم منتشر شده ۶ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت اول منتشر شده ۱۶ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دوم منتشر شده ۱۶ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت سوم منتشر شده ۱۱ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت چهارم منتشر شده ۱۰ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت پنجم منتشر شده ۱۸ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت ششم منتشر شده ۲۷ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت هفتم منتشر شده ۲۲ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت هشتم منتشر شده ۲۸ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت نهم منتشر شده ۸ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دهم منتشر شده ۱۷ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت یازدهم منتشر شده ۲۶ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دوازدهم منتشر شده ۲۶ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت سیزدهم منتشر شده ۱۹ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت چهاردهم منتشر شده ۲۷ دقیقه
  • پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت پانزدهم منتشر شده ۸ دقیقه
  • جمع بندی (SQL و NoSQL) - قسمت سوم منتشر شده ۶ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت اول منتشر شده ۹ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دوم منتشر شده ۱۱ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت سوم منتشر شده ۲۳ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت چهارم منتشر شده ۱۵ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت پنجم منتشر شده ۱۴ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت ششم منتشر شده ۱۶ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت هفتم منتشر شده ۱۵ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت هشتم منتشر شده ۲۰ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت نهم منتشر شده ۲۰ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دهم منتشر شده ۸ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت یازدهم منتشر شده ۲۵ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دوازدهم منتشر شده ۱۰ دقیقه
  • پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت سیزدهم منتشر شده ۲۳ دقیقه
  • جمع بندی (SQL و NoSQL) - قسمت چهارم منتشر شده ۸ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت اول منتشر شده ۲۱ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت دوم منتشر شده ۱۶ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت سوم منتشر شده ۲۷ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت چهارم منتشر شده ۱۵ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت پنجم منتشر شده ۸ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت ششم منتشر شده ۱۵ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت هفتم منتشر شده ۱۴ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت هشتم منتشر شده ۲۳ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت نهم منتشر شده ۲۷ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت دهم منتشر شده ۲۱ دقیقه
  • پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت یازدهم منتشر شده ۹ دقیقه
  • جمع بندی (SQL و NoSQL) - قسمت پنجم منتشر شده ۶ دقیقه

  • در این بخش چه چیزی یاد می‌گیریم؟
  • پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت اول منتشر شده ۸ دقیقه
  • پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت دوم منتشر شده ۲۱ دقیقه
  • پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت سوم منتشر شده ۲۳ دقیقه
  • پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت چهارم منتشر شده ۲۲ دقیقه
  • پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت پنجم منتشر شده ۲۲ دقیقه
  • پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت ششم منتشر شده ۲۱ دقیقه
  • پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت هفتم منتشر شده ۲۱ دقیقه
  • ابزار Grafana و ارتباط آن با Prometheus منتشر شده ۱۳ دقیقه
  • انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت اول منتشر شده ۲۱ دقیقه
  • انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت دوم منتشر شده ۱۵ دقیقه
  • انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت سوم منتشر شده ۱۰ دقیقه
  • انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت چهارم منتشر شده ۱۷ دقیقه
  • انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت پنجم منتشر شده ۱۶ دقیقه
  • انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت ششم منتشر شده ۲۲ دقیقه
  • مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت اول منتشر شده ۱۸ دقیقه
  • مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت دوم منتشر شده ۲۹ دقیقه
  • مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت سوم منتشر شده ۲۸ دقیقه
  • RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت اول منتشر شده ۹ دقیقه
  • RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت دوم منتشر شده ۱۷ دقیقه
  • RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت سوم منتشر شده ۳۱ دقیقه
  • RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت چهارم منتشر شده ۱۳ دقیقه
  • Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت اول منتشر شده ۱۳ دقیقه
  • Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت دوم منتشر شده ۱۶ دقیقه
  • Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت سوم منتشر شده ۲۸ دقیقه
  • Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت چهارم منتشر شده ۲۷ دقیقه
  • Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت پنجم منتشر شده ۲۴ دقیقه
  • Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت ششم منتشر شده ۱۸ دقیقه
  • جمع بندی + نقشه‌ی ذهنی منتشر شده ۱۱ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت اول منتشر شده ۱۱ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت دوم منتشر شده ۱۲ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت سوم منتشر شده ۲۱ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت چهارم منتشر شده ۱۴ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت پنجم منتشر شده ۱۵ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت ششم منتشر شده ۱۱ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت هفتم منتشر شده ۲۳ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت هشتم منتشر شده ۲۷ دقیقه
  • پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت نهم منتشر شده ۱۴ دقیقه
  • جمع بندی + نقشه ذهنی منتشر شده ۵ دقیقه

اکوسیستم آپاچی هدوپ و پردازش Map Reduced

  • در این بخش چه چیزی یاد می‌گیریم؟
  • آشنایی با Apache Hadoop (هدوپ) و معماری آن منتشر شده ۷ دقیقه
  • آشنایی با HDFS (فایل سیستم توزیع شده هدوپ) و معماری آن منتشر شده ۱۷ دقیقه
  • آشنایی با Map Reduce و معماری آن منتشر شده ۱۶ دقیقه
  • نصب و استفاده از هدوپ در داکر - قسمت اول منتشر شده ۲۰ دقیقه
  • نصب و استفاده از هدوپ در داکر - قسمت دوم منتشر شده ۲۸ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت اول منتشر شده ۲۵ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت دوم منتشر شده ۲۵ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت سوم منتشر شده ۲۱ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت چهارم منتشر شده ۱۶ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت پنجم منتشر شده ۲۲ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت ششم منتشر شده ۲۳ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت هفتم منتشر شده ۲۶ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت هشتم منتشر شده ۲۱ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت نهم منتشر شده ۲۹ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت دهم منتشر شده ۳۹ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت اول منتشر شده ۸ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت دوم منتشر شده ۳۳ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت سوم منتشر شده ۹ دقیقه
  • ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت چهارم منتشر شده ۴۲ دقیقه

  • آپاچی اسکوپ (sqoop) و استفاده از آن در دنیای واقعی (چند جلسه‌ای در حال آپلود)
  • آپاچی پیگ (pig) و استفاده از آن حل مسائل دنیای واقعی (چند جلسه‌ای در حال آپلود)
  • آپاچی هیو (hive) و کاربردهای آن (چند جلسه‌ای در حال آپلود)
  • یادگیری ماشین و داده کاوی (چند جلسه‌ای در حال آپلود)
  • آپاچی ماهوت (mahout) و یادگیری ماشین توزیع شده (چند جلسه‌ای در حال آپلود)
  • اوزی (oozie) و مدیریت کارها در هدوپ (چند جلسه‌ای در حال آپلود)
  • آپاچی فلوم (flume) و کار با داده‌های غیر ساختار یافته توزیع شده (چند جلسه‌ای در حال آپلود)

اکوسیستم آپاچی اسپارک

  • آشنایی با اسپارک و تفاوت آن با هدوپ (چند جلسه‌ای در حال آپلود)
  • نصب و راه‌اندازی اسپارک همراه با داکر (چند جلسه‌ای در حال آپلود)
  • اجرا و حل مسائل دنیای واقعی با اسپارک (چند جلسه‌ای در حال آپلود)

  • آپاچی اسپارک و SQL و حل مسائل دنیای واقعی با آن (چند جلسه‌ای در حال آپلود)
  • آپاچی اسپارک و جریان داده (streaming) (چند جلسه‌ای در حال آپلود)
  • یادگیری ماشین در آپاچی اسپارک (spark mlib) (چند جلسه‌ای در حال آپلود)
  • کار با داده‌های مبتنی بر گراف (graph) در آپاچی اسپارک (چند جلسه‌ای در حال آپلود)

از چه کسی یاد میگیری؟

تصویر مسعود کاویانی

مسعود کاویانی

متخصص علوم داده و یادگیری ماشین

  • دانشمند ارشد داده در صباایده (آپارت، فیلیمو، صباویژن)
  • مدیر فنی زیرساخت ذخیره‌سازی ابری در پارس‌پک
  • مدرس پایتون، یادگیری ماشین و علم داده در جهاد دانشگاهی صنعتی شریف، دانشگاه شهید رجایی، دانشگاه خواجه نصیر و شهرک تحقیقاتی صنعتی اصفهان
  • مشاور داده کاوی در داروسازی دکتر عبیدی، نیروی انتظامی تهران بزرگ و بیمه سامان
  • مدیر واحد داده‌کاوی در پرتوتک سامانه (وب‌سایت هوشمند خبرفارسی) 
  • بنیان‌گذار پروژه‌ی آموزشی چیستیو (سامانه chistio.ir)
  • دارنده‌ی مدال کارآفرینی از کمپانی گوگل و کاربر برتر ماه در بخش داده‌کاوی سایت StackOverFlow
  • برنامه‌نویس ارشد شرکت فناوری اطلاعات ثانیه (مجری پروژه‌های هوشمندسازی راه‌آهن جمهوری اسلامی ایران، سامانه برنامه‌ریزی هوشمند دانشگاهی ترنج و سازمان بنادر کل کشور)
  • برنامه نویس پایتون - پی‌اچ‌پی در شرکت جویشگر پردیس ارم (سامانه جویشگر)
  • مدیر فنی و برنامه نویسی در شرکت پدیده تجارت و هم‌بنیان‌گذار استارتاپ بازآرتچه

رزومه و نمونه تدریس

منتورهای دوره دوستان زیر منتور دوره متخصص مهندسی داده و بیگ دیتا هستند و در طول دوره به سوالات شما پاسخ میدن و همراهتون هستند.

رزرو وقت مشاوره و آشنایی بیشتر با نحوه شرکت در دوره

ثبت نام در این دوره مناسب افرادی است که انگیزه و تلاش لازم برای ارتقای وضعیت مهارتی و شغلی خود را دارند. این مورد در فرایند مشاوره اختصاصی با مدرس یا منتورهای دوره ارزیابی خواهد شد و پس از آن امکان ثبت نام در دوره برای شما فعال خواهد شد.

اطلاعات ضروری تماس برای جلسه مصاحبه:

نام کامل شما:
شماره موبایل:
ایمیل معتبر:

در یک جمله بنویسید چرا می خواهید در این دوره ثبت نام کنید؟

همین الان ثبت نام کن

نیاز به مشاوره تخصصی دارید؟

متخصص مهندسی داده و بیگ دیتا دسترسی سریع به جمع متخصصین بپیوندید ...
نقدی/اقساطی ثبت نام میکنم