عن الدورة
تقع خطوط أنابيب البيانات عادةً ضمن أحد النماذج التالية: التحميل الإضافي (Extra-Load)، أو الاستخراج ثم التحميل ثم التحويل (ELT)، أو الاستخراج ثم التحويل ثم التحميل (ETL). تشرح هذه الدورة أي نموذج ينبغي استخدامه ومتى يكون الأنسب لمعالجة البيانات الدُفعية (Batch Data)، مع توضيح الفروق العملية بين هذه المقاربات وتأثيرها على الأداء والتكلفة وسهولة التشغيل. كما تغطي الدورة مجموعة من تقنيات Google Cloud الخاصة بتحويل البيانات ومعالجتها، بما في ذلك استخدام BigQuery للتحليلات والتحويلات داخل مستودع البيانات، وتشغيل Apache Spark على Dataproc لتنفيذ مهام المعالجة الموزعة، وبناء مخططات خطوط الأنابيب (Pipeline Graphs) في Cloud Data Fusion لتصميم تدفقات البيانات بصريًا، إضافةً إلى المعالجة عديمة الخوادم (Serverless) باستخدام Dataflow لتنفيذ خطوط أنابيب موثوقة وقابلة للتوسع. سيحصل المتعلمون على خبرة عملية مباشرة في بناء مكوّنات خطوط أنابيب البيانات على Google Cloud من خلال مختبرات تطبيقية باستخدام Qwiklabs، بما يساعدهم على ربط الخدمات معًا، وتنفيذ مهام التحويل، وتحسين تشغيل الوظائف، وإدارة خطوط الأنابيب ضمن بيئة سحابية احترافية.
ماذا ستتعلم
- مراجعة طرق تحميل البيانات المختلفة: EL وELT وETL ومعرفة متى يُستخدم كل أسلوب
- تشغيل Hadoop على Dataproc والاستفادة من Cloud Storage وتحسين وظائف Dataproc
- بناء خطوط أنابيب معالجة البيانات باستخدام Dataflow
- إدارة خطوط أنابيب البيانات باستخدام Data Fusion وCloud Composer
المتطلبات المسبقة
- إكمال دورة "Google Cloud Big Data and Machine Learning Fundamentals" أو امتلاك خبرة مكافئة
- إتقان أساسي لإحدى لغات الاستعلام الشائعة مثل SQL
- خبرة في نمذجة البيانات وأنشطة ETL (الاستخراج والتحويل والتحميل)
- خبرة في تطوير التطبيقات باستخدام لغة برمجة شائعة مثل Python
- إلمام بأساسيات تعلم الآلة و/أو الإحصاء
المدرسون
Google Cloud Training
Course Team