دوره آموزشی یادگیری جامع مدیریت داده‌ها

2 ساعت 50 دقیقهمبتدی2025-01-07

مدرسین

Jess Pomfret

Database Platform Architect and Microsoft MVP

جزئیات دوره

در این دوره فشرده، جِس پومفرت شما را با تمام مراحل ضروری برای مدیریت داده‌ها آشنا می‌کند. شما یاد خواهید گرفت که چگونه داده‌ها را از منابع مختلف جمع‌آوری و ذخیره کنید، سپس به پردازش و تحلیل داده‌ها پرداخته و از ابزارهای موجود برای بهینه‌سازی فرآیندهای مدیریتی استفاده خواهید کرد.

این دوره برای کسانی که به‌تازگی وارد دنیای داده‌ها شده‌اند و یا قصد دارند مهارت‌های خود را در این زمینه تقویت کنند، طراحی شده است. از طریق یادگیری اصول حاکمیت داده‌ها، امنیت، و استفاده از تکنیک‌های پیشرفته‌تر در پردازش داده‌ها، قادر خواهید بود استراتژی‌هایی را پیاده‌سازی کنید که عملکرد و کارایی داده‌ها را در سازمان شما بهبود بخشد. علاوه بر این، با بهترین شیوه‌های صنعتی آشنا خواهید شد و آن‌ها را در پروژه‌های خود به کار خواهید گرفت.

مهارت ها

Data Resource ManagementDatabase ManagementEssential Training

سرفصل ها

0. مقدمه

01 - به مدیریت داده‌ها بپردازید
02 - آنچه باید بدانید

1. مبانی مدیریت داده ها

03 - مقدمه ای بر مدیریت داده ها
04 - مزایای مدیریت مؤثر داده ها
05 - مدیریت چرخه عمر داده ها
06 - مفاهیم کلیدی در مدیریت داده ها
07 - تضمین کیفیت داده‌ها و پاکسازی داده ها
08 - نقش‌ها و مسئولیت‌ها در مدیریت داده ها
09 - چالش‌های رایج در مدیریت داده ها
10 - گرایش‌ها و فناوری‌های نوظهور در مدیریت داده ها

2. جمع‌آوری و اکتساب داده ها

11 - مقدمه ای بر گردآوری داده ها
12 - انواع منابع داده
13 - نمونه‌های کاربردی از منابع داده
14 - روش‌های جمع‌آوری داده ها
15 - مدیریت کارآمد داده‌ها با نمونه گیری داده ها
16 - اعتبارسنجی داده‌ها - اطمینان از داده‌های دقیق
17 - بهترین شیوه‌های جمع‌آوری داده ها
18 - چالش در جمع‌آوری داده ها
19 - اخلاق با جمع‌آوری داده ها

3. پردازش و یکپارچه سازی داده ها

20 - مقدمه ای بر پردازش داده ها
21 - پاکسازی و پیش پردازش داده ها
22 - تکنیک‌های تبدیل داده ها
23 - فرآیندهای استخراج، تبدیل، بارگذاری (ETL).
24 - رویکردهای یکپارچه سازی داده ها
25 - پردازش بلادرنگ داده ها
26 - پردازش داده‌های بزرگ
27 - چالش در پردازش و یکپارچه سازی داده ها
28 - نگاه عملی به خطوط لوله

4. ذخیره‌سازی و مدیریت داده ها

29 - مقدمه ای بر ذخیره‌سازی داده ها
30 - انواع ذخیره‌سازی داده ها
31 - سیستم‌های مدیریت پایگاه داده (DBMS)
32 - انبار داده ها
33 - آرشیو و پشتیبان گیری داده ها
34 - نگاهی عملی به مدیریت چرخه حیات ذخیره‌سازی حباب
35 - حفظ و انطباق داده ها
36 - بهینه‌سازی ذخیره‌سازی داده ها

5. تجزیه‌و‌تحلیل داده‌ها و تفسیر

37 - مقدمه ای بر تجزیه‌و‌تحلیل داده ها
38 - تجزیه‌و‌تحلیل داده‌های اکتشافی (EDA)
39 - تحلیل و مدل سازی پیش بینی
40 - یادگیری ماشینی برای تجزیه‌و‌تحلیل داده ها
41 - تحلیل متن و احساسات
42 - نگاهی کاربردی به تحلیل احساسات هوش مصنوعی Azure
43 - تحلیل سری‌های زمانی
44 - تفسیر و ابلاغ نتایج

6. تجسم داده‌ها و گزارش

45 - مقدمه ای بر تجسم داده ها
46 - اصول تجسم مؤثر داده ها
47 - ابزارها و تکنیک‌های تجسم داده ها
48 - نگاهی کاربردی به Power‌BI در Microsoft Fabric
49 - طراحی و توسعه داشبورد
50 - تجسم داده‌های تعاملی
51 - قصه گویی با داده
52 - گزارش بهترین شیوه ها
53 - چالش‌های رایج تجسم داده ها

7. حاکمیت داده و انطباق

54 - مقدمه ای بر حاکمیت داده
55 - ایجاد خط مشی‌ها و استانداردهای داده
56 - الزامات رعایت مقررات
57 - مقررات حفظ حریم خصوصی داده ها
58 - چارچوب‌های امنیتی داده ها
59 - اعمال CIS با سیاست Azure
60 - مدیریت ریسک
61 - نظارت و ممیزی مستمر برای رعایت

8. مدیریت داده با هوش مصنوعی ملاقات می‌کند

62 - مقدمه ای بر هوش مصنوعی در مدیریت داده
63 - جمع‌آوری داده‌ها به کمک هوش مصنوعی
64 - تأثیر هوش مصنوعی بر پردازش داده‌ها و تجزیه‌و‌تحلیل داده ها
65 - تجسم داده‌های مبتنی بر هوش مصنوعی
66 - حاکمیت و انطباق با کمک هوش مصنوعی
67 - روندهای آینده در مدیریت داده یکپارچه سازی هوش مصنوعی
68 - مثال عملی تنظیم خودکار Azure SQL Server

نتیجه گیری

69 - مراحل بعدی