NoSQL پیشرفته برای علم داده

مدرس Dan Sullivan

انتشار 2017/02/14

مدت زمان 1h 56m

سطح پیشرفته

فایل تمرینی دارد

آموزش Advanced NoSQL for Data Science

بسیاری از سازمان‌ها به پایگاه‌های داده NoSQL روی می‌آورند تا حجم زیادی از داده‌های پیچیده را ذخیره کنند، که باعث افزایش نیاز دانشمندان و تحلیلگران داده برای درک ذخیره‌های غیرمرتبط داده می‌شود. اگر شما یک دانشمند داده یا تحلیلگر کسب و کار هستید که باید با NoSQL کار کنید، این دوره برای شما مناسب است. درباره تفاوت‌های بین پایگاه‌های داده رابطه‌ای و NoSQL بیاموزید، انواع پایگاه‌های داده NoSQL را مرور کنید، و نحوه انجام کارهای رایج علم داده، از جمله آماده‌سازی داده، کاوش، و ساخت و استفاده از مدل‌ها را ببینید.\r\n\r\n جزئیات کلیدی را برای انجام آماده سازی، کاوش و استخراج داده برای هر نوع پایگاه داده NoSQL بیاموزید. مطالعات موردی را مرور کنید که نشان می‌دهد چگونه از پایگاه‌های داده NoSQL مختلف با ابزارهای معروف علم داده استفاده کنید، از جمله پایگاه‌داده اسناد MongoDB، پایگاه‌داده ستون گسترده Cassandra و پایگاه‌داده نمودار Neo4j.

Big Data Database Development Databases Data Modeling NoSQL

Introduction

Welcome ()

What you should know ()

Exercise files ()

1. Why NoSQL?

The limits of relational databases ()

Types of NoSQL databases ()

Advantages of NoSQL databases ()

Performing data science tasks with NoSQL ()

2. Perform Common Data Science Tasks with NoSQL Databases

Preparing data ()

Exploring data ()

Building models ()

Applying models ()

3. Document Databases for Data Science

Document data models ()

JSON structures ()

Prepare data with document databases ()

Install Anaconda ()

Install MongoDB ()

Working with Jupyter ()

Explore data with document databases ()

Extract data with document databases ()

Perform quality checks ()

Index data with document databases ()

Data frames in MongoDB ()

Tips for using document databases for data science ()

4. Wide-Column Databases for Data Science

Wide-column data models ()

Prepare data with wide-column databases ()

Install the Java Development Kit ()

Install Cassandra ()

Prepare data for Cassandra ()

Load data into Cassandra ()

Cassandra and Spark ()

Tips for using wide-column databases for data science ()

5. Graph Databases for Data Science

Graph data models ()

Key graphi concepts ()

Prepare data with graph databases ()

Install Neo4j ()

Explore data with graph databases ()

Extract data with graph databases ()

Tips for using graph databases for data science ()

Conclusion

Next Steps ()

Ex_Files_NoSQL_DataScience.zip (36 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش NoSQL پیشرفته برای علم داده

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Advanced NoSQL for Data Science در 2 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

اکوسیستم ابزارهای علم داده مبتنی بر پشته Hadoop و NoSQL بخش مهم و رو به رشد آینده صنعت است. مهندسان داده به دانش گسترده ای از اجزای این پلتفرم نیاز دارند و این مسیر یادگیری به یادگیرندگان امکان می دهد تا در این زمینه مهارت پیدا کنند.

آموزش NoSQL پیشرفته برای علم داده ، ایستگاه شماره 2 در مسیر یادگیری مهارت های خود را در پشته Hadoop/NoSQL Data Science ارتقا دهید ، است.

مسیر یادگیری مهارت های خود را در پشته Hadoop/NoSQL Data Science ارتقا دهید

با یادگیری مفاهیم اساسی، مهارت های مهندسی داده و DevOps گسترده ای ایجاد کنید. با استفاده از این مسیر یادگیری، بر ابزارهای تجارت و نحوه استفاده از آنها در محیط ها و پلتفرم های پروژه داده های دنیای واقعی مسلط شوید.

آموزش NoSQL پیشرفته برای علم داده ، ایستگاه شماره 9 در مسیر یادگیری مهندس داده شوید: تسلط بر مفاهیم ، است.