مهندسی داده با گوگل کلود پلتفرم ۲۰۲۲
Data Engineering with Google Cloud Platform 2022
دانلود کتاب مهندسی داده با گوگل کلود پلتفرم ۲۰۲۲ (Data Engineering with Google Cloud Platform 2022) با لینک مستقیم و فرمت pdf (پی دی اف)
| نویسنده |
Adi Wijaya |
|---|
ناشر:
Packt Publishing
۳۰ هزار تومان تخفیف با کد «OFF30» برای اولین خرید
| سال انتشار |
2022 |
|---|---|
| زبان |
English |
| تعداد صفحهها |
440 |
| نوع فایل |
|
| حجم |
9 Mb |
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
🏷️
378,000 تومان
قیمت اصلی: ۳۷۸٬۰۰۰ تومان بود.
298,000 تومان
قیمت فعلی: ۲۹۸٬۰۰۰ تومان.
📥 دانلود نسخهی اصلی کتاب به زبان انگلیسی(PDF)
🧠 به همراه ترجمهی فارسی با هوش مصنوعی
🔗 مشاهده جزئیات
دانلود مستقیم PDF
ارسال فایل به ایمیل
پشتیبانی ۲۴ ساعته
توضیحات
معرفی کتاب مهندسی داده با گوگل کلود پلتفرم ۲۰۲۲
در این کتاب، نحوه ساخت پایپ لاین های داده ای کاملاً مقیاس پذیر توسط Google Cloud Platform (GCP) برای مهندسان داده را از ذخیره و پردازش داده ها و تنظیم گردش کار تا ارائه داده ها به صورت داشبوردهای بصری، درک خواهید کرد. با شروع از مروری کوتاه بر مفاهیم بنیادی مهندسی داده ها، مسئولیت های مختلف یک مهندس داده و نحوه نقش اساسی GCP در انجام این مسئولیت ها را یاد خواهید گرفت. با پیشروی در فصل ها، قادر خواهید بود از محصولات GCP برای ساخت یک انبار داده نمونه با استفاده از Cloud Storage و BigQuery و یک دریاچه داده با استفاده از Dataproc استفاده کنید. این کتاب به تدریج شما را در عملیات هایی مانند دریافت داده، پاکسازی داده، تبدیل و ادغام داده با منابع دیگر راهنمایی می کند. نحوه طراحی IAM برای حاکمیت داده، استقرار پایپ لاین های ML با Vertex AI، استفاده از مدل های پیش ساخته GCP به عنوان سرویس و تجسم داده ها با Google Data Studio برای ساخت گزارش های جذاب را یاد خواهید گرفت. در نهایت، نکاتی در مورد چگونگی ارتقا شغل خود به عنوان یک مهندس داده، شرکت در آزمون گواهینامه مهندس داده حرفه ای و آماده شدن برای تبدیل شدن به یک متخصص در مهندسی داده با GCP خواهید یافت. در پایان این کتاب مهندسی داده، مهارت های لازم برای انجام وظایف اصلی مهندسی داده و ساخت پایپ لاین های داده ETL کارآمد با GCP را کسب خواهید کرد.
مطالب کتاب
- بارگذاری داده ها در BigQuery و مادی کردن خروجی آن برای مصرف در پایین دست
- ساخت تنظیم گردش کار پایپ لاین داده با استفاده از Cloud Composer
- توسعه مشاغل Airflow برای تنظیم و خودکارسازی یک انبار داده
- ساخت دریاچه داده Hadoop، ایجاد خوشه های موقتی و اجرای مشاغل در خوشه Dataproc
- استفاده از Pub/Sub برای پیام رسانی و دریافت داده برای سیستم های مبتنی بر رویداد
- استفاده از Dataflow برای انجام ETL روی داده های جریان
- آزاد کردن قدرت داده های خود با Data Studio
- محاسبه برآورد هزینه GCP برای راهکارهای داده ای انتها به انتها
مخاطبان این کتاب
این کتاب برای مهندسان داده، تحلیلگران داده و هر کسی که به دنبال طراحی و مدیریت پایپ لاین های پردازش داده با استفاده از GCP است، مناسب است. اگر در حال آماده شدن برای شرکت در آزمون مهندس داده حرفه ای گوگل هستید، این کتاب برای شما مفید خواهد بود. آشنایی سطح ابتدایی با علم داده، زبان برنامه نویسی پایتون و دستورات لینوکس ضروری است. درک پایه از پردازش داده و محاسبات ابری، به طور کلی، به شما کمک می کند تا بیشترین بهره را از این کتاب ببرید.
]]>
فهرست کتاب:
۱. مهندسی داده با پلتفرم ابری گوگل
۲. مشارکتکنندگان
۳. پیشگفتار
۴. بخش ۱: شروع به کار با مهندسی داده با GCP
۵. فصل ۱: اصول مهندسی داده
۶. فصل ۲: قابلیتهای کلان داده در GCP
۷. بخش ۲: ساخت راهکارها با اجزای GCP
۸. فصل ۳: ساخت یک انبار داده در BigQuery
۹. فصل ۴: ساخت ارکستراسیون برای بارگذاری دستهای داده با استفاده از Cloud Composer
۱۰. فصل ۵: ساخت یک دریاچه داده با استفاده از Dataproc
۱۱. فصل ۶: پردازش دادههای جریانی با Pub/Sub و Dataflow
۱۲. فصل ۷: تجسم داده برای تصمیمگیری مبتنی بر داده با Data Studio
۱۳. فصل ۸: ساخت راهکارهای یادگیری ماشینی در پلتفرم ابری گوگل
۱۴. بخش ۳: استراتژیهای کلیدی برای معماری خطوط لوله داده درجه یک
۱۵. فصل ۹: مدیریت کاربر و پروژه در GCP
۱۶. فصل ۱۰: استراتژی هزینه در GCP
۱۷. فصل ۱۱: CI/CD در پلتفرم ابری گوگل برای مهندسان داده
۱۸. فصل ۱۲: افزایش اعتماد به نفس خود به عنوان یک مهندس داده
۱۹. کتابهای دیگری که ممکن است از آنها لذت ببرید
توضیحات(انگلیسی)
Build and deploy your own data pipelines on GCP, make key architectural decisions, and gain the confidence to boost your career as a data engineer
Key Features
- Understand data engineering concepts, the role of a data engineer, and the benefits of using GCP for building your solution
- Learn how to use the various GCP products to ingest, consume, and transform data and orchestrate pipelines
- Discover tips to prepare for and pass the Professional Data Engineer exam
Book Description
With this book, you'll understand how the highly scalable Google Cloud Platform (GCP) enables data engineers to create end-to-end data pipelines right from storing and processing data and workflow orchestration to presenting data through visualization dashboards.Starting with a quick overview of the fundamental concepts of data engineering, you'll learn the various responsibilities of a data engineer and how GCP plays a vital role in fulfilling those responsibilities. As you progress through the chapters, you'll be able to leverage GCP products to build a sample data warehouse using Cloud Storage and BigQuery and a data lake using Dataproc. The book gradually takes you through operations such as data ingestion, data cleansing, transformation, and integrating data with other sources. You'll learn how to design IAM for data governance, deploy ML pipelines with the Vertex AI, leverage pre-built GCP models as a service, and visualize data with Google Data Studio to build compelling reports. Finally, you'll find tips on how to boost your career as a data engineer, take the Professional Data Engineer certification exam, and get ready to become an expert in data engineering with GCP.By the end of this data engineering book, you'll have developed the skills to perform core data engineering tasks and build efficient ETL data pipelines with GCP.
What you will learn
- Load data into BigQuery and materialize its output for downstream consumption
- Build data pipeline orchestration using Cloud Composer
- Develop Airflow jobs to orchestrate and automate a data warehouse
- Build a Hadoop data lake, create ephemeral clusters, and run jobs on the Dataproc cluster
- Leverage Pub/Sub for messaging and ingestion for event-driven systems
- Use Dataflow to perform ETL on streaming data
- Unlock the power of your data with Data Studio
- Calculate the GCP cost estimation for your end-to-end data solutions
Who this book is for
This book is for data engineers, data analysts, and anyone looking to design and manage data processing pipelines using GCP. You'll find this book useful if you are preparing to take Google's Professional Data Engineer exam. Beginner-level understanding of data science, the Python programming language, and Linux commands is necessary. A basic understanding of data processing and cloud computing, in general, will help you make the most out of this book.
]]>
Table of Contents
1. Data Engineering with Google Cloud Platform
2. Contributors
3. Preface
4. Section 1: Getting Started with Data Engineering with GCP
5. Chapter 1: Fundamentals of Data Engineering
6. Chapter 2: Big Data Capabilities on GCP
7. Section 2: Building Solutions with GCP Components
8. Chapter 3: Building a Data Warehouse in BigQuery
9. Chapter 4: Building Orchestration for Batch Data Loading Using Cloud Composer
10. Chapter 5: Building a Data Lake Using Dataproc
11. Chapter 6: Processing Streaming Data with Pub/Sub and Dataflow
12. Chapter 7: Visualizing Data for Making Data-Driven Decisions with Data Studio
13. Chapter 8: Building Machine Learning Solutions on Google Cloud Platform
14. Section 3: Key Strategies for Architecting Top-Notch Data Pipelines
15. Chapter 9: User and Project Management in GCP
16. Chapter 10: Cost Strategy in GCP
17. Chapter 11: CI/CD on Google Cloud Platform for Data Engineers
18. Chapter 12: Boosting Your Confidence as a Data Engineer
19. Other Books You May Enjoy
دیگران دریافت کردهاند
کاربردهای علم داده و یادگیری ماشین در مهندسی زیرسطحی ۲۰۲۴
Data Science and Machine Learning Applications in Subsurface Engineering 2024
کسب و کار و اقتصاد, آمار در کسبوکار, ریاضیات, آمار و احتمال, مهندسی و فناوری, اتوماسیون در مهندسی, علوم زمین, زمین شناسی, فیزیک, ژئوفیزیک, سوخت های فسیلی, صنایع, صنعت استخراج منابع طبیعی, علوم کامپیوتر, علم داده(دیتاساینس), علوم فیزیکی, منابع انرژی, منابع انرژی تجدیدپذیر, یادگیری ماشین, علوم زیستی
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
تصمیم گیری مبتنی بر داده ها: مهندسی سیستم برای درک ارزش شرکت و دارایی های نامشهود ۲۰۲۳
Data Driven Decisions: Systems Engineering to Understand Corporate Value and Intangible Assets 2023
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
راهنمای جامع تحلیل هوشمند مراقبتهای بهداشتی: مهندسی دانش با دادههای بزرگ ۲۰۲۲
Handbook on Intelligent Healthcare Analytics: Knowledge Engineering with Big Data 2022
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
مهندسی داده بر روی آژور ۲۰۲۱
Data Engineering on Azure 2021
علوم کامپیوتر, برنامه نویسی, برنامه نویسی مایکروسافت, رایانش ابری, سیستم های توزیعشده, محاسبات کلاینت - سرور
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
علم داده آشکار شده: با مهندسی ویژگی، تجسم داده، توسعه خط لوله و تنظیم ابرپارامتر ۲۰۲۱
Data Science Revealed: With Feature Engineering, Data Visualization, Pipeline Development, and Hyperparameter Tuning 2021
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
اندازهگیری و تحلیل داده برای مهندسی و علم ۲۰۱۷
Measurement and Data Analysis for Engineering and Science 2017
🏷️ 200,000 تومان قیمت اصلی: 200,000 تومان بود.129,000 تومانقیمت فعلی: 129,000 تومان.
✨ ضمانت تجربه خوب مطالعه
بازگشت کامل وجه
در صورت مشکل، مبلغ پرداختی بازگردانده می شود.
دانلود پرسرعت
دانلود فایل کتاب با سرعت بالا
ارسال فایل به ایمیل
دانلود مستقیم به همراه ارسال فایل به ایمیل.
پشتیبانی ۲۴ ساعته
با چت آنلاین و پیامرسان ها پاسخگو هستیم.
ضمانت کیفیت کتاب
کتاب ها را از منابع معتیر انتخاب می کنیم.
