کی بهتر از خود مدرس میتونه بهت مشاوره بده؟🤔 ۳۵٪ تخفیف + یک جلسه رایگان با خود مدرس🔥
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 ۴۰ 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
  • جلسه چهلم تمرین پایانی فصل ۰ 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 ۱۷ 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
  • جلسه هفدهم تمرین پایانی فصل ۰ دقیقه
ابزارهای آپاچی ۱ جلسه
  • جلسه اول آپاچی AirFlow برای مدیریت تسک‌ها ۱۸ 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 ۶.۰۴۵ میلیون تومان
ثبت نام می‌کنم
کمپین بهار ۱۴۰۳ 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
35٪ تخفیف
در کنار شما هستیم مشاوره ثبت‌نام در دوره متخصص مهندسی داده و بیگ دیتا