Oreilly – Data Engineering with Python and AWS Lambda LiveLessons 2023-9

در تاریخ: 1403/02/26 3:38:48

توضیحات

دوره Data Engineering with Python and AWS Lambda LiveLessons. این دوره به شما می آموزد که چگونه با استفاده از پایتون، همان زبانی که دانشمندان داده برای ساخت مدل های یادگیری ماشین استفاده می کنند، خطوط لوله مهندسی داده کامل و قدرتمندی بسازید. با پذیرش مهندسی داده بدون سرور در پایتون، می توانید سیستم های توزیع شده با قابلیت ارتقاءپذیری بالا را بر روی زیرساخت ابری AWS بسازید.

در این دوره با پارادایم جدید بدون سرور آشنا خواهید شد، که به معنای استفاده از رویدادها و برنامه های مبتنی بر رویداد به جای سرورهای گران قیمت و پیچیده است. برخی از مزایای برنامه نویسی با AWS Lambda در پایتون عبارتند از: عدم نیاز به مدیریت سرور، مقیاس پذیری مداوم و اندازه گیری در کسری از ثانیه. موارد استفاده متعددی از جمله پردازش داده، پردازش جریان، زیرساخت های اینترنت اشیا، برنامه های کاربردی موبایل و وب وجود دارد. در این دوره یاد خواهید گرفت که از یک الگوی جدید در معماری نرم افزار استفاده کنید که نوشتن، نگهداری و استقرار کد شما را آسان تر می کند.

تابع های AWS Lambda بلوک های ساختمانی برای ایجاد برنامه های کاربردی و سرویس های پیشرفته در AWS هستند. در این دوره، یاد خواهید گرفت که از پایتون برای توسعه توابع Lambda استفاده کنید که با سرویس های کلیدی AWS مانند API Gateway، SQS و توابع CloudWatch ارتباط برقرار می کنند. همچنین یاد خواهید گرفت که چگونه یک محیط توسعه ابری جدید به نام Cloud9 می تواند نوشتن، اشکال زدایی و استقرار توابع AWS Lambda را ساده کند.

آنچه فرا خواهید گرفت

انجام وظایف مهندسی داده روی AWS
توسعه با Cloud9
نوشتن توابع AWS Lambda با پایتون
پیاده سازی الگوهای مهندسی داده ابری، به عنوان مثال بدون سرور
طراحی معماری های مبتنی بر رویداد روی پلتفرم AWS با استفاده از SQS، Python Lambda و سایر فناوری های AWS

این دوره مناسب افرادیست که:

یک مهندس داده مشتاق هستید که از پایتون استفاده می کنید
با داده کار می کنید و می خواهید الگوهای مهندسی داده ابری را یاد بگیرید
با ابر AWS تازه کار هستید و می خواهید توابعی را به زبان پایتون بنویسید که نیازی به سرور ندارند
یک دانشمند داده هستید که به روشی ساده تر برای به دست آوردن نتایج مهندسی داده نیاز دارید
می خواهید در مورد فناوری بدون سرور و نحوه انجام آن در پایتون اطلاعات کسب کنید

مشخصات دوره

ناشر: Oreilly
مدرس: Noah Gift , Robert Jordan, Kennedy Behrman
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 6 ساعت 24 دقیقه

سرفصل های دوره

Introduction
1. Data Engineering with Python and AWS Lambda LiveLessons: Introduction
Lesson 1: Get Started with AWS Lambda
1. 1.1 Create a Hello World AWS Lambda function in the console
2. 1.2 Learn basic Lambda patterns
3. 1.3 Learn Lambda Management console
4. 1.4 Upload external code to AWS Lambda
Lesson 2: Use Cloud9 to Develop Python Lambda Functions
1. 2.1 Set up Cloud9
2. 2.2 Develop with Cloud9
3. 2.3 Launch Cloud9 and workspace configuration
4. 2.4 Import Lambda functions
5. 2.5 Invoke Lambda functions
6. 2.6 Invoke Lambda functions inside API Gateway
7. 2.7 Deploy a Lambda function
Lesson 3: Create Timed Lambda Functions
1. 3.1 Use AWS Lambda with Cloudwatch events
2. 3.2 Use AWS Lambda to populate AWS SQS
3. 3.3 Use AWS Cloudwatch logging with AWS Lambda
Lesson 4: Create Event-Driven Lambdas
1. 4.1 Create a Producer Lambda function
2. 4.2 Enable SQS Trigger
3. 4.3 Serverless data engineering architecture
Lesson 5: Learn SAM Local
1. 5.1 Install SAM Local
2. 5.2 Use SAM Local to invoke functions locally
3. 5.3 Use SAM to package and deploy Lambda
4. 5.4 Use SAM with IAM
5. 5.5 Use SAM Lambda environment variables
Lesson 6: Learn AWS Glue
1. 6.1 What is AWS Glue?
2. 6.2 Use AWS Glue
Lesson 7: Create State Machines with Step Functions
1. 7.1 Learn step functions
2. 7.2 Use Amazon States Language
3. 7.3 Step functions demo
Lesson 8: Use Step Functions with AWS Services
1. 8.1 Learn integration with other AWS products
2. 8.2 Use DynamoDB with step functions
3. 8.3 Use AWS ECS/Fargate with step functions
4. 8.4 Use AWS Callback Pattern
Lesson 9: Serverless Relational Databases
1. 9.1 Serverless relational databases
2. 9.2 Use Aurora Serverless
3. 9.3 Use Data API for Aurora Serverless
4. 9.4 Use stored procedures to invoke Lambda
Lesson 10: Build APIs with API Gateway
1. 10.1 Use API Gateway
2. 10.2 Integrate Lambda and API Gateway best practices
Lesson 11: Authenticate APIs with AWS Cognito
1. 11.1 Begin Cognito authentication
2. 11.2 Use Cognito User Pools
3. 11.3 Use Cognito authentication with API Gateway
4. 11.4 Use Federated Identity
Lesson 12: Use Serverless Datastores
1. 12.1 Use DynamoDB for data engineering
2. 12.2 Use Amazon Athena for data engineering
3. 12.3 Use Amazon EMR for data engineering
4. 12.4 Use Amazon EFS for data engineering
Lesson 13: Create Serverless Business Intelligence and AutoML
1. 13.1 Integrate Amazon Quicksite
2. 13.2 Integrate Lambda with AI APIs
3. 13.3 Integrate Lambda with Sagemaker
Lesson 14: Create Serverless Data Streaming
1. 14.1 Use Kinesis Streams
2. 14.2 Use Computer Vision Streams
Lesson 15: Case Studies
1. 15.1 Compare AWS Lambda with Google Cloud Functions
2. 15.2 Use GCP Cloud Functions with Pub Sub + Cloud Scheduler
3. 15.3 Use Chalice framework
4. 15.4 Push versus Pull Architecture
5. 15.5 Principles of DevOps
6. 15.6 Principles of cloud computing
7. 15.7 Summary of serverless computing
8. 15.8 Managing Packages in AWS Lambda
9. 15.9 Multi-cloud solutions
Lesson 16: Course Summary
1. 16.1 Course summary