Udemy – Databricks Data Engineering with AWS 2026-6

در تاریخ: 1405/05/14 12:29:10

در: آموزش تصویری،فناوری اطلاعات و نرم افزار

توضیحات

Databricks Data Engineering with AWS، دوره آموزش مهندسی داده Databricks با AWS توسط آکادمی Udemy منتشر شده است.دیتابریکس (Databricks) به پلتفرم پیش‌فرض لیک‌هاوس برای مهندسی داده در بستر AWS تبدیل شده است و بیش از 60 درصد از شرکت‌های Fortune 500 از آن استفاده می‌کنند. این دوره یک مسیر کامل را از آموزش مفاهیم پایه تا استقرار سیستم‌های سطح تولید ارائه می‌دهد و مباحثی چون راه‌اندازی محیط کار، مدیریت و حاکمیت داده با Unity Catalog، مفاهیم داخلی Delta Lake (شامل تراکنش‌های ACID، امکان Time Travel، قیود و بهینه‌سازی عملکرد)، طراحی پایپ‌لاین‌های معماری مدالین (Medallion)، ورود داده با Lakeflow Connect (اتصال‌دهنده‌های SaaS، تکنولوژی CDC پایگاه داده و Auto Loader) و ارکستراسیون فرآیندها با Lakeflow Jobs را پوشش می‌دهد.

با تکیه بر این مفاهیم پایه، شما دانش خود را در یک پروژه نهایی و واقعی برای یک کسب‌ و کار تجارت الکترونیک به کار خواهید بست و داده‌های پنج سیستم منبع را برای ارائه تحلیل‌های حیاتی در لایه طلایی مدیریت خواهید کرد. این برنامه درسی شما را در ورود داده‌های CDC و مبتنی بر فایل در مقیاس بزرگ، نوشتن تست‌های واحد و ادغام با pytest، بسته‌بندی پروژه‌ها با استفاده از Databricks Asset Bundles (DABs) و خودکارسازی فرآیندهای تست، اعتبارسنجی و استقرار در محیط‌های UAT از طریق پایپ‌لاین‌های CI/CD در GitHub Actions راهنمایی می‌کند.

آنچه خواهید آموخت

راه‌اندازی و مدیریت یک workspace تولیدی Databricks در AWS با استفاده از Unity Catalog
تسلط بر جزئیات داخلی Delta Lake — تراکنش‌های ACID، time travel، قیود (constraints) و بهینه‌سازی عملکرد
طراحی پایپ‌لاین‌های Medallion Architecture ابتدا به‌صورت دستی و سپس به‌صورت اعلامی با Lakeflow Declarative Pipelines
ورود داده در مقیاس با Lakeflow Connect — اتصال‌دهنده‌های SaaS، CDC پایگاه داده و Auto Loader
ارکستراسیون پایپ‌لاین‌های تولیدی با Lakeflow Jobs — نمودارهای DAG، تلاش‌های مجدد، جریان کنترل، REST API و CLI
ساخت یک lakehouse تولیدی کامل برای یک کسب‌و‌کار تجارت الکترونیک واقعی، از ورود داده تا پنج خروجی لایه طلایی
نوشتن تست‌های واحد و ادغام برای کد پایپ‌لاین Databricks با pytest
بسته‌بندی و استقرار پایپ‌لاین‌ها با استفاده از Databricks Asset Bundles (DABs)
ساخت یک پایپ‌لاین CI/CD با GitHub Actions که تست، اعتبارسنجی و استقرار به محیط UAT را انجام می‌دهد

این دوره برای چه کسانی مناسب است

مهندسان داده عملی که با Spark و Python آشنا هستند و می‌خواهند از نوشتن پایپ‌لاین به اجرای آن‌ها در محیط تولید منتقل شوند
مهندسان داده و مهندسان تحلیل که می‌خواهند Databricks و AWS را با تمرین‌های عملی به مجموعه مهارت‌های خود اضافه کنند
مهندسانی که می‌خواهند یک پروژه lakehouse سرجمع، مطابق استاندارد صنعت — شامل تست‌ها، DABs و CI/CD — را از صفر تا صد ببینند
هر کسی که هم‌اکنون با Databricks در AWS کار می‌کند و می‌خواهد آن را در یک پروژه سبک تولید کامل ببیند

مشخصات دوره Databricks Data Engineering with AWS

ناشر : Udemy
مدرس : Prashant Kumar Pandey
زبان: انگلیسی
سطح آموزش: متوسط
مدت زمان آموزش: 23 ساعت و 0 دقیقه

سر فصل های دوره در تاریخ 7-2026

Databricks Data Engineering with AWS

پیش نیاز های دوره

Working knowledge of Apache Spark DataFrames, transformations, and basic Spark SQL
Comfortable writing Python and SQL both are used throughout the course and capstone
An AWS account (a free-tier account is enough to start; later chapters and the capstone incur modest AWS/Databricks usage costs)
No prior Databricks experience required the course builds this from the ground up
Basic familiarity with Git and the command line helps in the CI/CD and DABs modules, though it isn’t required going in