Lynda Weinman
بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.
اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.
درک نیازی که هیچکس به آن پاسخ نداده بود
وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.
لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.
کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.
درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.
شروعی کوچک و توسعه ای آهسته و پیوسته
بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.
اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".
اوج گیری پس از بحران
کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.
کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.
روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.
خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."
روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.
افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."
با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".
در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.
ایجاد فرهنگ سازمانی مناسب در زمان رشد
اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.
وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."
در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".
ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.
پیش به سوی موفقیت
مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.
در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.
لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.
ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.
واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".
فروش به لینکدین Linked in
من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.
واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.
اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.
واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."
به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.
واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."
در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.
آخرین گواهینامه های حرفه ای از Azure با نقش های خاص صنعت همسو هستند. کسب گواهینامه Azure به اعتبار مجموعه مهارت های منحصر به فرد Azure شما کمک می کند و ارزش شما را در بازار کار IT امروزی افزایش می دهد. برای مروری بر مفاهیم اصلی و مهارت های مورد نیاز برای قبولی در آزمون گواهینامه (Microsoft Azure Data Engineer Associate (DP-203 به Microsoft MVP و معمار Microsoft Certified Azure Solutions مربی Tim Warner بپیوندید. در این دوره، دومین دوره از یک سری آماده سازی گواهینامه چهار قسمتی، اصول چگونگی طراحی و توسعه راه حل های پردازش داده را بررسی می کند. بیاموزید که چگونه داده ها را با ابزارهایی مانند Apache Spark، Transact SQL، Data Factory و Stream Analytics جذب و تبدیل کنید. برای کار با دادههای تبدیلشده، عیبیابی تبدیلها، و طراحی، توسعه، پیکربندی، و راهحلهای عیبیابی برای پردازش دستهای و جریانی، بینش جمعآوری کنید. در طول مسیر، نحوه مدیریت دسته ها و خطوط لوله برای تحویل مداوم و موفق را بیابید.
نمونه ویدیوی آموزشی ( زیرنویسها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :
[فارسی]
01 داده ها را بلعیده و تبدیل کنید
01-01 اهداف آموزشی
01-02 داده ها را با استفاده از اسپارک آپاچی تغییر دهید
01-03 داده ها را با استفاده از Transact-SQL تبدیل کنید
01-04 داده ها را با استفاده از Data Factory تبدیل کنید
01-05 با استفاده از خطوط لوله Azure Synapse داده ها را تغییر دهید
01-06 داده ها را با استفاده از Stream Analytics تغییر دهید
02 با داده های تبدیل شده کار کنید
02-01 اهداف آموزشی
02-02 داده ها را پاک کنید
02-03 تقسیم داده ها
02-04 JSON را خرد کنید
02-05 داده ها را رمزگذاری و رمزگشایی کنید
03 عیب یابی تبدیل داده ها
03-01 اهداف آموزشی
03-02 مدیریت خطا را برای تبدیل پیکربندی کنید
03-03 مقادیر را عادی و غیرعادی کنید
03-04 داده ها را با استفاده از Scala تبدیل کنید
03-05 تجزیه و تحلیل اکتشافی داده ها را انجام دهید
04 یک راه حل پردازش دسته ای طراحی کنید
04-01 اهداف آموزشی
04-02 راه حل های پردازش دسته ای را با استفاده از Data Factory، Data Lake، Spark، Azure Synapse خطوط لوله، PolyBase و Azure Databricks توسعه دهید.
04-03 خطوط لوله داده ایجاد کنید
04-04 بارهای داده افزایشی را طراحی و اجرا کنید
04-05 ابعاد به آرامی در حال تغییر را طراحی و توسعه دهید
04-06 به الزامات امنیتی و انطباق رسیدگی کنید
04-07 منابع مقیاس
05 یک راه حل پردازش دسته ای ایجاد کنید
05-01 اهداف آموزشی
05-02 اندازه دسته را پیکربندی کنید
05-03 طراحی و ایجاد آزمایش برای خطوط لوله داده
05-04 نوت بوک های Jupyter و Python را در خط لوله داده ادغام کنید
05-05 داده های تکراری را مدیریت کنید
05-06 داده های از دست رفته را مدیریت کنید
05-07 رسیدگی به داده های دیر رسیدن
06 راه حل پردازش دسته ای را پیکربندی کنید
06-01 اهداف آموزشی
06-02 داده ها را اضافه کنید
06-03 بازگشت به حالت قبلی
06-04 مدیریت استثنا را طراحی و پیکربندی کنید
06-05 حفظ دسته ای را پیکربندی کنید
06-06 بازبینی طرح راه حل پردازش دسته ای
06-07 کارهای Spark را با استفاده از Spark UI اشکال زدایی کنید
07 یک راه حل پردازش جریان طراحی کنید
07-01 هدف آموزشی
07-02 با استفاده از Stream Analytics، Azure Databricks و Azure Event Hubs راه حلی برای پردازش جریان ایجاد کنید.
07-03 داده ها را با استفاده از جریان ساختاری Spark پردازش کنید
07-04 برای عملکرد و رگرسیون های عملکردی نظارت کنید
07-05 مجموعه های پنجره ای را طراحی و ایجاد کنید
07-06 کنترل دریفت طرحواره
08 پردازش داده ها در یک راه حل پردازش جریانی
08-01 اهداف آموزشی
08-02 پردازش داده های سری زمانی
08-03 پردازش در پارتیشن ها
08-04 در یک پارتیشن پردازش کنید
08-05 نقاط بازرسی و علامت گذاری را در حین پردازش پیکربندی کنید
08-06 منابع مقیاس
08-07 طراحی و ایجاد آزمایش برای خطوط لوله داده
08-08 خطوط لوله را برای مقاصد تحلیلی یا معاملاتی بهینه کنید
09 عیب یابی راه حل پردازش جریان
09-01 اهداف آموزشی
09-02 به وقفه ها رسیدگی کنید
09-03 مدیریت استثنا را طراحی و پیکربندی کنید
09-04 آپلود داده ها
09-05 داده های جریان بایگانی شده را دوباره پخش کنید
09-06 یک راه حل پردازش جریانی طراحی کنید
10 دسته ها و خطوط لوله را مدیریت کنید
10-01 اهداف آموزشی
10-02 دسته ماشه
10-03 بارهای دسته ای ناموفق را کنترل کنید
10-04 بارهای دسته ای را تأیید کنید
10-05 خطوط لوله داده را در خطوط لوله داده Factory و Synapse مدیریت کنید
10-06 خطوط لوله داده را در خطوط لوله داده Factory و Synapse برنامه ریزی کنید
10-07 اجرای کنترل نسخه برای مصنوعات خط لوله
10-08 مشاغل Spark را در خط لوله مدیریت کنید
[ENGLISH]
01 Ingest and Transform Data
01-01 Learning objectives
01-02 Transform data by using Apache Spark
01-03 Transform data by using Transact-SQL
01-04 Transform data by using Data Factory
01-05 Transform data by using Azure Synapse pipelines
01-06 Transform data by using Stream Analytics
02 Work with Transformed Data
02-01 Learning objectives
02-02 Cleanse data
02-03 Split data
02-04 Shred JSON
02-05 Encode and decode data
03 Troubleshoot Data Transformations
03-01 Learning objectives
03-02 Configure error handling for the transformation
03-03 Normalize and denormalize values
03-04 Transform data by using Scala
03-05 Perform data exploratory analysis
04 Design a Batch Processing Solution
04-01 Learning objectives
04-02 Develop batch processing solutions by using Data Factory, Data Lake, Spark, Azure Synapse pipelines, PolyBase, and Azure Databricks
04-03 Create data pipelines
04-04 Design and implement incremental data loads
04-05 Design and develop slowly changing dimensions
04-06 Handle security and compliance requirements
04-07 Scale resources
05 Develop a Batch Processing Solution
05-01 Learning objectives
05-02 Configure the batch size
05-03 Design and create tests for data pipelines
05-04 Integrate Jupyter and Python Notebooks into a data pipeline
05-05 Handle duplicate data
05-06 Handle missing data
05-07 Handle late-arriving data
06 Configure a Batch Processing Solution
06-01 Learning objectives
06-02 Upsert data
06-03 Regress to a previous state
06-04 Design and configure exception handling
06-05 Configure batch retention
06-06 Revisit batch processing solution design
06-07 Debug Spark jobs by using the Spark UI
07 Design a Stream Processing Solution
07-01 Learning objective
07-02 Develop a stream processing solution by using Stream Analytics, Azure Databricks, and Azure Event Hubs
07-03 Process data by using Spark structured streaming
07-04 Monitor for performance and functional regressions
07-05 Design and create windowed aggregates
07-06 Handle schema drift
08 Process Data in a Stream Processing Solution
08-01 Learning objectives
08-02 Process time series data
08-03 Process across partitions
08-04 Process within one partition
08-05 Configure checkpoints and watermarking during processing
08-06 Scale resources
08-07 Design and create tests for data pipelines
08-08 Optimize pipelines for analytical or transactional purposes
09 Troubleshoot a Stream Processing Solution
09-01 Learning objectives
09-02 Handle interruptions
09-03 Design and configure exception handling
09-04 Upsert data
09-05 Replay archived stream data
09-06 Design a stream processing solution
10 Manage Batches and Pipelines
10-01 Learning objectives
10-02 Trigger batches
10-03 Handle failed batch loads
10-04 Validate batch loads
10-05 Manage data pipelines in Data Factory and Synapse pipelines
10-06 Schedule data pipelines in Data Factory and Synapse pipelines
10-07 Implement version control for pipeline artifacts
10-08 Manage Spark jobs in a pipeline
تیم وارنر یک مربی فنی و توسعهدهنده محتوا و متخصص در Microsoft Azure است.
تیم یک حرفهای بسیار با تجربه است که اشتیاقش فناوری اطلاعات و آموزش را در هم میآمیزد. او از کودکی شاگرد و معلم بوده است. به دست آوردن و به اشتراک گذاشتن دانش کاری است که او بهترین کار را انجام می دهد. او دارای کارشناسی ارشد مطالعات حرفه ای در آموزش و پرورش از دانشگاه کرنل است. علاوه بر تدریس و نوشتن، تیم همچنین با مشتریان از سراسر جهان در مورد معماری راه حل های Microsoft Azure مشورت می کند.