ویدیویی همه‌ی جلسات منتشر شده

متخصص مهندسی داده و بیگ دیتا

کار با کلان داده‌ها

۵.۰ از ۵

۹۶ ساعت آموزش
۱۳ سرفصل · ۳۳۱ جلسه

مدرس دوره مسعود کاویانی دانشمند ارشد داده فیلیمو/آپارات و مهندس یادگیری ماشین زِبراکت آلمان

پیش‌نمایش دوره

۹.۳ میلیون تومان

ثبت‌نام در دوره

۵.۰ امتیاز دانشجویان

سؤالی قبل از ثبت‌نام داری؟ پیام بده:

واتساپ تلگرام بله

محتوا ۱۳ سرفصل · ۳۳۱ جلسه
مدت آموزش ۹۶ ساعت

دسترسی آنی بعد از ثبت‌نام پرداخت امن

در یک نگاه

همه‌چیز، پیش از شروع.

زمان آموزش: ۹۶ ساعت
در ۱۳ سرفصل: ۳۳۱ جلسه
همه‌ی جلسات منتشر شده: کامل

معرفی دوره

آن‌چه یاد می‌گیری و می‌سازی

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.

برچسب‌ها #data #artificial intelligence

سرفصل‌ها

مسیرت، جلسه به جلسه.

۱۳ سرفصل · ۳۳۱ جلسه · ۹۶ ساعت

۱ مقدمه و آشنایی با دوره ۱۰ جلسه

کدها و مجموعه داده‌های این بخش
داده‌های توزیع شده چیست؟ - قسمت اول ۲۹ دقیقه
داده‌های توزیع شده چیست؟ - قسمت دوم ۲۸ دقیقه
زبان‌های برنامه‌نویسی مناسب برای سیستم‌های توزیع شده و بیگ‌دیتا ۱۱ دقیقه
ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت اول ۳۳ دقیقه
ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت دوم ۳۳ دقیقه
ساخت یک نرم‌افزار تحت وب با پایتون و فلسک - قسمت سوم ۱۹ دقیقه
پیش‌نیازهای رایگان (آموزش مقدمات پایتون + آموزش مقدمات جاوا)
پیشنیاز رایگان (آموزش پایتون مقدماتی + آموزش جاوای مقدماتی) منتشر نشده
* پیش‌نیازهای رایگان (آموزش مقدمات پایتون + آموزش مقدمات جاوا) - (چند جلسه‌ای در حال آپلود...) منتشر نشده

۲ آموزش مقدماتی لینوکس سرور، پایتون و جاوا (پیش‌نیاز کار با ابزارهای مهندسی داده) ۲۸ جلسه

سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت اول ۲۶ دقیقه
سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت دوم ۲۳ دقیقه
سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت سوم ۳۲ دقیقه
سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت چهارم ۲۳ دقیقه
سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت پنجم ۱۶ دقیقه
سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت ششم ۳۲ دقیقه
سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت هفتم ۲۷ دقیقه
برنامه‌نویسی shell لینوکس - قسمت اول ۲۰ دقیقه
برنامه‌نویسی shell لینوکس - قسمت دوم ۲۹ دقیقه
برنامه‌نویسی shell لینوکس - قسمت سوم ۱۷ دقیقه
برنامه‌نویسی shell لینوکس - قسمت چهارم ۳۰ دقیقه
برنامه‌نویسی shell لینوکس - قسمت پنجم ۲۵ دقیقه
اسپین‌آف (مطالعه‌ی موردی استفاده از سیستم‌های توزیع شده در کسب و کارهای ایرانی) ۳۱ دقیقه
سرور لینوکس و انتشار نرم‌افزار تحت وب - قسمت هشتم منتشر نشده
مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت اول ۲۰ دقیقه
مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت دوم ۳۶ دقیقه
مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس - قسمت سوم ۳۷ دقیقه
آشنایی با protocol buffer و چهارچوب GRPC - قسمت اول ۲۴ دقیقه
آشنایی با protocol buffer و چهارچوب GRPC - قسمت دوم ۳۲ دقیقه
آشنایی با protocol buffer و چهارچوب GRPC - قسمت سوم ۳۳ دقیقه
آشنایی با protocol buffer و چهارچوب GRPC - قسمت چهارم ۱۸ دقیقه
آشنایی با protocol buffer و چهارچوب GRPC - قسمت پنجم ۴۱ دقیقه
آشنایی با protocol buffer و چهارچوب GRPC - قسمت ششم ۷ دقیقه
آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت اول ۳۲ دقیقه
آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت دوم ۹ دقیقه
* مثال کاربردی اجرای برنامه‌ی توزیع شده بر روی سرور لینوکس (چند جلسه‌ای در حال آپلود) منتشر نشده
آشنایی با ویندوز سرور و اجرای نرم‌افزارها در آن - قسمت سوم ۱۰ دقیقه
آشنایی با VirtualMachine و نصب لینوکس بر روی ویندوز ۲۶ دقیقه

۳ مقدمات داده‌های توزیع شده و پایگاه داده ۸ جلسه

کدها و مجموعه داده‌های این بخش
مقدمات پایگاه داده و سیستم های ذخیره سازی داده ها ۱۵ دقیقه
مسئله‌ی دو ژنرال و مشکل سیستم‌های توزیع شده ۲۴ دقیقه
معماری ارباب-برده (master-slave) در سیستم‌های توزیع شده (قسمت اول) ۲۰ دقیقه
معماری ارباب-برده (master-slave) در سیستم‌های توزیع شده (قسمت دوم) ۷ دقیقه
ساعت‌های منطقی در سیستم توزیع شده ۳۲ دقیقه
تفاوت SQL و NoSQL و آشنایی با اکوسیستم آن‌ها ۲۹ دقیقه
آزمون پایانی فصل 5 سوال

۴ پایگاه داده‌های مبتنی بر SQL و جبر رابطه‌ای - بخش اول ۴۷ جلسه

در این بخش چه چیزی یاد می‌گیریم؟
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت اول ۳۷ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دوم ۳۳ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سوم ۲۷ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهارم ۳۴ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت پنجم ۳۲ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت ششم ۳۲ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هفتم ۲۲ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هشتم ۱۸ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت نهم ۲۲ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دهم ۱۹ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت یازدهم ۹ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت دوازدهم ۲۰ دقیقه
پایگاه داده‌ی Posgtgres به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سیزدهم ۲۶ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهاردهم ۲۱ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت پانزدهم ۱۶ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت شانزدهم ۲۹ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هفدهم ۲۷ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت هجدهم ۳۴ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت نوزدهم ۴۲ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیستم ۱۵ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و یکم ۲۳ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و دوم ۲۸ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و سوم ۲۶ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و چهارم ۲۰ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و پنجم ۲۰ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و ششم ۲۸ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و هفتم ۳۸ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و هشتم ۲۴ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت بیست و نهم ۱۳ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی ۱۷ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و یک ۱۶ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و دوم ۲۵ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و سوم ۳۳ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و چهارم ۳۱ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و پنجم ۲۰ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و ششم ۲۹ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و هفتم ۲۷ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و هشتم ۱۴ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت سی و نهم ۱۳ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهلم ۱۶ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و یکم ۲۶ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و دوم ۳۱ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و سوم ۳۸ دقیقه
پایگاه داده‌ی Posgtgres (مثال Netflix، فیلیمو، نماوا) - قسمت چهل و چهارم ۱۶ دقیقه
آزمون پایانی فصل 5 سوال

۵ پایگاه داده‌های مبتنی بر SQL و جبر رابطه‌ای - بخش دوم ۲۹ جلسه

در این بخش چه چیزی یاد می‌گیریم؟
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت اول ۲۶ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دوم ۲۰ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت سوم ۲۶ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت چهارم ۱۴ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت پنجم ۱۴ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت ششم ۵ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت هفتم ۲۵ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت هشتم ۲۰ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت نهم ۹ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دهم ۱۹ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت یازدهم ۱۶ دقیقه
پایگاه داده‌ی MySQL به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت دوازدهم ۱۷ دقیقه
پایگاه داده SQL Server (مثال طراحی سیستم منابع انسانی) - قسمت سیزدهم ۱۸ دقیقه
پایگاه داده‌ی SQL Server به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت اول ۱۸ دقیقه
پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت دوم ۹ دقیقه
پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت سوم ۲۶ دقیقه
پایگاه داده‌ی SQLite به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت چهارم ۱۶ دقیقه
پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت پنجم ۳۱ دقیقه
پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت ششم ۱۳ دقیقه
پایگاه داده MySQL (مثال طراحی سیستم بیپ‌تونز، اسپاتیفای) - قسمت هفتم ۲۳ دقیقه
HA Proxy و MySQL برای توزیع بار - قسمت اول ۲۸ دقیقه
HA Proxy و MySQL برای توزیع بار - قسمت دوم ۳۴ دقیقه
پایگاه داده SQLite (مثال داده‌های سرشماری کشور) - قسمت اول ۲۱ دقیقه
پایگاه داده SQLite (مثال داده‌های سرشماری کشور) - قسمت دوم ۲۷ دقیقه
آزمون پایانی فصل 5 سوال

۶ پایگاه داده‌های NoSQL - بخش اول ۶۷ جلسه

در این بخش چه چیزی یاد می‌گیریم؟
تئوری CAP و انتخاب درست پایگاه داده مبتنی بر این تئوری ۳۱ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت اول ۲۰ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دوم ۱۴ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت سوم ۱۰ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت چهارم ۱۹ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت پنجم ۴ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت ششم ۶ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت هفتم ۹ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت هشتم ۵ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت نهم ۱۲ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دهم ۴۶ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت یازدهم ۳۴ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت دوازدهم ۳۴ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت سیزدهم ۱۶ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت چهاردهم ۱۳ دقیقه
پایگاه داده Redis به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت پانزدهم ۳۰ دقیقه
پایگاه داده Redis (مثال طراحی سیستم اسنپ، تپسی، Uber) - قسمت شانزدهم ۷ دقیقه
جمع بندی(SQL و NoSQL) - قسمت اول ۲۷ دقیقه
جمع بندی (SQL و NoSQL) - قسمت دوم ۵ دقیقه
پایگاه داده Cassandra به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت اول ۱۵ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دوم ۱۵ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت سوم ۱۰ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت چهارم ۹ دقیقه
پایگاه داده MongoDB به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت پنجم ۱۷ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت ششم ۲۶ دقیقه
پایگاه داده Elastic Search به همراه مثال کاربردی (چند جلسه‌ای در حال آپلود) منتشر نشده
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت هفتم ۲۱ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت هشتم ۲۷ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت نهم ۷ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دهم ۱۶ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت یازدهم ۲۵ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت دوازدهم ۲۵ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت سیزدهم ۱۸ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت چهاردهم ۲۶ دقیقه
پایگاه داده Cassandra (مثال داده‌های سیستم کرایه دوچرخه) - قسمت پانزدهم ۷ دقیقه
جمع بندی (SQL و NoSQL) - قسمت سوم ۵ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت اول ۸ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دوم ۱۰ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت سوم ۲۲ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت چهارم ۱۴ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت پنجم ۱۳ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت ششم ۱۵ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت هفتم ۱۴ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت هشتم ۱۹ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت نهم ۱۹ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دهم ۷ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت یازدهم ۲۴ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت دوازدهم ۹ دقیقه
پایگاه داده Elasticsearch (مثال داده‌های دیوار) - قسمت سیزدهم ۲۲ دقیقه
جمع بندی (SQL و NoSQL) - قسمت چهارم ۷ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت اول ۲۰ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت دوم ۱۵ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت سوم ۲۶ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت چهارم ۱۴ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت پنجم ۷ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت ششم ۱۴ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت هفتم ۱۳ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت هشتم ۲۲ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت نهم ۲۶ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت دهم ۲۰ دقیقه
پایگاه داده Mongodb (مثال داده‌های Airbnb) - قسمت یازدهم ۸ دقیقه
جمع بندی (SQL و NoSQL) - قسمت پنجم ۵ دقیقه
آزمون پایانی فصل 5 سوال

۷ پایگاه داده‌های NoSQL - بخش دوم ۴۰ جلسه

در این بخش چه چیزی یاد می‌گیریم؟
پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت اول ۷ دقیقه
پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت دوم ۲۰ دقیقه
پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت سوم ۲۲ دقیقه
پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت چهارم ۲۱ دقیقه
پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت پنجم ۲۱ دقیقه
پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت ششم ۲۰ دقیقه
پایگاه داده Prometheus (مثال سیستم یوتیوب) - قسمت هفتم ۲۰ دقیقه
ابزار Grafana و ارتباط آن با Prometheus ۱۲ دقیقه
انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت اول ۲۰ دقیقه
انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت دوم ۱۴ دقیقه
انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت سوم ۹ دقیقه
انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت چهارم ۱۶ دقیقه
انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت پنجم ۱۵ دقیقه
انبار داده ClickHouse (مثال انبار داده آمازون، دیجی‌کالا) - قسمت ششم ۲۱ دقیقه
مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت اول ۱۷ دقیقه
مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت دوم ۲۸ دقیقه
مقدمات داکر و نصب و اجرای نرم افزارها در داکر - قسمت سوم ۲۷ دقیقه
RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت اول ۸ دقیقه
RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت دوم ۱۶ دقیقه
RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت سوم ۳۰ دقیقه
RabbitMQ و نصب و اجرا با استفاده از داکر - قسمت چهارم ۱۲ دقیقه
Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت اول ۱۲ دقیقه
Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت دوم ۱۵ دقیقه
Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت سوم ۲۷ دقیقه
Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت چهارم ۲۶ دقیقه
Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت پنجم ۲۳ دقیقه
Apache Kafka و نصب و اجرا با استفاده از داکر - قسمت ششم ۱۷ دقیقه
جمع بندی + نقشه‌ی ذهنی ۱۰ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت اول ۱۰ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت دوم ۱۱ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت سوم ۲۰ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت چهارم ۱۳ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت پنجم ۱۴ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت ششم ۱۰ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت هفتم ۲۲ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت هشتم ۲۶ دقیقه
پایگاه داده مبتنی بر گراف Neo4J (مثال داده‌های توییتر) - قسمت نهم ۱۳ دقیقه
جمع بندی + نقشه ذهنی ۴ دقیقه
آزمون پایانی فصل 5 سوال

۸ مقدمات هدوپ (Hadoop) و آشنایی با اکوسیستم آن ۲۲ جلسه

کدها و مجموعه داده‌های این بخش
در این بخش چه چیزی یاد می‌گیریم؟
آشنایی با Apache Hadoop (هدوپ) و معماری آن ۶ دقیقه
آشنایی با HDFS (فایل سیستم توزیع شده هدوپ) و معماری آن ۱۶ دقیقه
آشنایی با Map Reduce و معماری آن ۱۵ دقیقه
نصب و استفاده از هدوپ در داکر - قسمت اول ۱۹ دقیقه
نصب و استفاده از هدوپ در داکر - قسمت دوم ۲۷ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت اول ۲۴ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت دوم ۲۴ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت سوم ۲۰ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت چهارم ۱۵ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت پنجم ۲۱ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت ششم ۲۲ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت هفتم ۲۵ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت هشتم ۲۰ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت نهم ۲۸ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر جاوا بر بستر هدوپ - قسمت دهم ۳۸ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت اول ۷ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت دوم ۳۲ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت سوم ۸ دقیقه
ساخت یک برنامه Map Reduce مبتنی بر پایتون و Streaming - قسمت چهارم ۴۱ دقیقه
آزمون پایانی فصل 5 سوال

۹ ابزارهای اکوسیستم هدوپ (Hadoop) و مثال‌های موردی ۲۳ جلسه

در این بخش چه چیزی یاد می‌گیریم؟
آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت اول ۵ دقیقه
آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت دوم ۳۵ دقیقه
آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت سوم ۲۶ دقیقه
آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت چهارم ۲۳ دقیقه
آپاچی پیگ (Pig) در اکوسیستم هدوپ (مثال داده‌های اوبر) - قسمت پنجم ۳۱ دقیقه
آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت اول ۶ دقیقه
آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت دوم ۱۱ دقیقه
آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت سوم ۱۷ دقیقه
آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت چهارم ۳۱ دقیقه
آپاچی هایو (Hive) در اکوسیستم هدوپ (مثال سیستم شبکه شتاب) - قسمت پنجم ۸ دقیقه
پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت اول ۱۹ دقیقه
پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت دوم ۲۰ دقیقه
پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت سوم ۷ دقیقه
پایگاه داده آپاچی HBase مبتنی بر Hadoop - قسمت چهارم ۹ دقیقه
آپاچی Mahout و یادگیری ماشین در هدوپ - قسمت اول ۷ دقیقه
آپاچی Mahout و یادگیری ماشین در هدوپ - قسمت دوم ۱۳ دقیقه
آپاچی Sqoop در اکوسیستم هدوپ - قسمت اول ۵ دقیقه
آپاچی Sqoop در اکوسیستم هدوپ - قسمت دوم ۲۳ دقیقه
آپاچی Sqoop در اکوسیستم هدوپ - قسمت سوم ۱۷ دقیقه
جمع بندی + نقشه ذهنی ۸ دقیقه
تمرین پایانی فصل
آزمون پایانی فصل 5 سوال

۱۰ مقدمات اکوسیستم اسپارک (Spark) ۲۲ جلسه

کدها و مجموعه داده‌های این بخش
در این بخش چه چیز یاد می‌گیریم؟
آشنایی با آپاچی اسپارک (Spark) و تفاوت آن با هدوپ (Hadoop) - قسمت اول ۱۶ دقیقه
آشنایی با آپاچی اسپارک (Spark) و تفاوت آن با هدوپ (Hadoop) - قسمت دوم ۸ دقیقه
آشنایی با زبان Scala - قسمت اول ۱۲ دقیقه
آشنایی با زبان Scala - قسمت دوم ۱۴ دقیقه
آشنایی با زبان Scala - قسمت سوم ۷ دقیقه
مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت اول ۱۳ دقیقه
مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت دوم ۱۴ دقیقه
مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت سوم ۱۷ دقیقه
مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت چهارم ۲۶ دقیقه
مفاهیم مقدماتی اسپارک بر بستر داکر (مثال داده‌های AirBNB) - قسمت پنجم ۱۹ دقیقه
پایتون و اسپارک (PySpark) (مثال داده‌های MovieLens و بازار سهام) - قسمت اول ۱۸ دقیقه
پایتون و اسپارک (PySpark) (مثال داده‌های MovieLens و بازار سهام) - قسمت دوم ۲۶ دقیقه
پایتون و اسپارک (PySpark) (مثال داده‌های MovieLens و بازار سهام) - قسمت سوم ۱۷ دقیقه
اسپارک و SQL (مثال داده‌های بیماری قلبی) - قسمت اول ۱۸ دقیقه
اسپارک و SQL (مثال داده‌های بیماری قلبی) - قسمت دوم ۲۶ دقیقه
ارتباط اسپارک و HDFS هدوپ ۱۵ دقیقه
پروژه مشتری‌های هایپرمارکت با پایتون و آپاچی اسپارک - قسمت اول ۲۱ دقیقه
پروژه مشتری‌های هایپرمارکت با پایتون و آپاچی اسپارک - قسمت دوم ۱۵ دقیقه
بررسی نصب آپاچی اسپارک در داکر ۱۰ دقیقه
آزمون پایانی فصل 5 سوال

۱۱ کار با ابزارهای اسپارک (Spark) و مثال‌های موردی ۱۸ جلسه

در این بخش چه چیز یاد می‌گیریم؟
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت اول ۱۱ دقیقه
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت دوم ۲۰ دقیقه
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت سوم ۱۳ دقیقه
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت چهارم ۹ دقیقه
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت پنجم ۱۸ دقیقه
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت ششم ۱۴ دقیقه
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت هفتم ۱۳ دقیقه
یادگیری ماشین در اسپارک (Spark MLib) (مثال داده‌های خط تولید و فروش محصولات) - قسمت هشتم ۱۵ دقیقه
پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت اول ۱۰ دقیقه
پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت دوم ۲۳ دقیقه
پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت سوم ۲۳ دقیقه
پردازش جریان داده‌ها در اسپارک (Spark Streaming) (مثال لاگ کاربران وب‌سایت) - قسمت چهارم ۱۷ دقیقه
ترکیب آپاچی اسپارک و آپاچی کافکا برای پردازش جریان داده‌ها ۱۹ دقیقه
تست آپلود منتشر نشده
ترکیب آپاچی اسپارک و Mongo برای پردازش داده‌ها ۱۴ دقیقه
آپاچی اسپارک گراف (GraphX) ۲۶ دقیقه
آزمون پایانی فصل 5 سوال

۱۲ کوبرنیتز (Kubernetes) و خودکارسازی فرآیندهای انتشار در مهندسی داده ۱۱ جلسه

مقدمات کوبرنیتز (Kubernetes) ۶ دقیقه
معماری کوبرنیتز (Kubernetes) و عناصر مختلف آن ۱۱ دقیقه
نصب کلاستر کوبرنیتز (Kubernetes) بر روی سیستم شخصی ۱۳ دقیقه
عناصر منطفی و تعریف آن‌ها در کلاستر کوبرنیتز ۱۱ دقیقه
اجرای یک برنامه ساده بر روی کلاستر کوبرنیتز ۱۶ دقیقه
اجرای برنامه‌های پایتونی بر روی کلاستر کوبرنیتز ۲۲ دقیقه
اجرای پایگاه داده MySQL بر روی کلاستر کوبرنیتز ۱۱ دقیقه
ایجاد سیستم مدیریت تبدیل ویدیو به صوت به صورت ماکروسرویس در کوبرنیتز - قسمت اول ۹ دقیقه
ایجاد سیستم مدیریت تبدیل ویدیو به صوت به صورت ماکروسرویس در کوبرنیتز - قسمت دوم ۱۵ دقیقه
ایجاد سیستم مدیریت تبدیل ویدیو به صوت به صورت ماکروسرویس در کوبرنیتز - قسمت سوم ۷ دقیقه
ایجاد سیستم مدیریت تبدیل ویدیو به صوت به صورت ماکروسرویس در کوبرنیتز - قسمت چهارم ۱۰ دقیقه

۱۳ مباحث تکمیلی - آپدیت همیشگی ۶ جلسه

آپاچی AirFlow برای مدیریت تسک‌ها ۱۸ دقیقه
ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت اول ۱۴ دقیقه
ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت دوم ۱۵ دقیقه
ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت سوم ۱۷ دقیقه
ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - قسمت چهارم ۱۳ دقیقه
ساخت سیستم مدیریت مکان رانندگان اوبر/اسنپ/تپسی - مجموعه‌ی فایل‌ها

مدرس دوره

مدرست را بشناس.

مدرس سون لرن

مسعود کاویانی

دانشمند ارشد داده فیلیمو/آپارات و مهندس یادگیری ماشین زِبراکت آلمان

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 رجاییمدرس 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 ثانیهمجری 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)

رزومه‌ی کامل مدرس

چرا سون لرن

کنار این دوره، این‌ها را هم داری.

آموزش ویدیویی باکیفیت هر وقت و هر جا که خواستی ببین.

دسترسی آنی بلافاصله بعد از ثبت‌نام شروع کن.

حلقه‌ی همین دوره در سیگنال دستیار هوش مصنوعی هم‌دوره‌ای‌ها، مدرس و دستیار هوش مصنوعی، کنار تو؛ سؤال بپرس و کارت را نشان بده.

مشاوره‌ی رایگان

مطمئن شو این دوره مناسب توست.

بر اساس هدف، تجربه و زمانت، انتخاب درست را با هم پیدا می‌کنیم.

یا همین حالا پیام بده:

واتساپ تلگرام بله

ثبت‌نام در دوره

همین امروز شروع کن.

با هر روش پرداخت، به همه‌ی محتوای دوره دسترسی کامل داری.

پرداخت امن از درگاه بانکی دسترسی آنی، بلافاصله بعد از پرداخت

سؤالات متداول

پیش از ثبت‌نام، این‌ها را بدان.

هوش مصنوعی جای من را می‌گیرد؟

جای کسی را نمی‌گیرد که هدایتش می‌کند. ما همین را یادت می‌دهیم.

هیچ پیش‌زمینه‌ای ندارم؛ دیر نیست؟

نه. اینسپشن فول‌استک از صفر شروع می‌شود؛ برای محک زدن هم الفبای برنامه‌نویسی رایگان است.

برنامه‌نویس نیستم؛ به کار من هم می‌آید؟

بله. دوره‌ی اتوماسیون (N8N) برای هر شغلی است که کار تکراری دارد.

با این همه آموزش رایگان، چرا سون‌لرن؟

این‌جا کنار آموزش، مسیر، بازخورد و همراه هم داری.

اگر وسط راه گیر کنم چه؟

دستیار هوش مصنوعی دوره شبانه‌روز جواب می‌دهد؛ در دوره‌های دارای پشتیبانی، منتورها هم کنارت هستند.

بعد از ثبت‌نام چطور به دوره می‌رسم؟

بلافاصله بعد از پرداخت، دوره در «دوره‌های من» فعال می‌شود.

گواهی می‌گیرم؟

بله، در دوره‌هایی که گواهی دارند؛ گواهی‌ای که هر کارفرمایی می‌تواند استعلامش کند.

نمی‌دانم از کدام دوره شروع کنم.

با مشاور حرف بزن؛ رایگان و بدون تعهد، مسیرت را با هم پیدا می‌کنیم.

۹.۳ میلیون تومان متخصص مهندسی داده و بیگ دیتا

ثبت‌نام