اپلیکیشن اندرویدی فلش‌کارت آموزشی آمادگی آزمون AWS Certified Data Engineer - Associate: طراحی و پیاده‌سازی زیرساخت داده در ابر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آمادگی آزمون AWS Certified Data Engineer - Associate: طراحی و پیاده‌سازی زیرساخت داده در ابر

موضوع کلی: مهندسی داده و زیرساخت‌های ابری

موضوع میانی: طراحی و پیاده‌سازی راه‌حل‌های داده در AWS

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مهندسی داده در ابر
• 2. مبانی AWS برای مهندسی داده
• 3. خدمات ذخیره‌سازی داده در AWS
• 4. Amazon S3: ذخیره‌سازی اشیاء مقیاس‌پذیر
• 5. Amazon EBS: ذخیره‌سازی بلوکی برای EC2
• 6. Amazon EFS: سیستم فایل اشتراکی در ابر
• 7. Amazon RDS: پایگاه داده رابطه‌ای مدیریت‌شده
• 8. Amazon Aurora: پایگاه داده سازگار با MySQL و PostgreSQL
• 9. Amazon DynamoDB: پایگاه داده NoSQL کلید-مقدار
• 10. Amazon Redshift: انبار داده مقیاس‌پذیر
• 11. Amazon EMR: پلتفرم پردازش داده‌های بزرگ
• 12. Apache Spark در EMR
• 13. Apache Hive در EMR
• 14. Presto در EMR
• 15. Amazon Kinesis: جریان‌سازی داده در زمان واقعی
• 16. Amazon Kinesis Data Streams
• 17. Amazon Kinesis Data Firehose
• 18. Amazon Kinesis Data Analytics
• 19. Amazon SQS: صف پیام مدیریت‌شده
• 20. Amazon SNS: سرویس اعلان مدیریت‌شده
• 21. AWS Glue: سرویس ETL بدون سرور
• 22. AWS Lake Formation: ساخت و امن‌سازی دریاچه‌های داده
• 23. طراحی دریاچه‌های داده (Data Lakes)
• 24. مراحل ETL: استخراج، تبدیل، بارگذاری
• 25. استراتژی‌های ETL در AWS
• 26. طراحی پایپ‌لاین‌های داده
• 27. پایپ‌لاین‌های داده دسته‌ای (Batch)
• 28. پایپ‌لاین‌های داده جریانی (Streaming)
• 29. ابزارهای orchestration پایپ‌لاین داده
• 30. Apache Airflow در AWS
• 31. AWS Step Functions
• 32. مدیریت و امنیت داده در AWS
• 33. کنترل دسترسی و IAM
• 34. رمزنگاری داده در حالت سکون و در حال انتقال
• 35. پیکربندی شبکه‌سازی امن برای داده
• 36. AWS VPC و زیرشبکه‌ها
• 37. گروه‌های امنیتی و لیست‌های کنترل دسترسی شبکه
• 38. AWS Direct Connect و VPN
• 39. مانیتورینگ و ثبت وقایع داده
• 40. Amazon CloudWatch برای داده
• 41. AWS CloudTrail برای رصد فعالیت‌ها
• 42. طراحی معماری‌های داده مقیاس‌پذیر
• 43. معماری‌های داده مدرن
• 44. الگوهای طراحی برای داده‌های بزرگ
• 45. استراتژی‌های کاهش هزینه ذخیره‌سازی
• 46. استراتژی‌های کاهش هزینه پردازش
• 47. استراتژی‌های کاهش هزینه انتقال داده
• 48. کیفیت داده و مدیریت آن
• 49. روش‌های تضمین کیفیت داده
• 50. پاکسازی و اعتبارسنجی داده
• 51. متا‌دیتای داده و کاتالوگ داده
• 52. Amazon Athena: پرس‌وجو بر روی داده‌های S3
• 53. Amazon QuickSight: ابزار هوش تجاری
• 54. مصورسازی داده با QuickSight
• 55. تحلیل داده‌های جریانی در زمان واقعی
• 56. پردازش داده‌های مکانی-زمانی
• 57. امنیت داده‌های حساس
• 58. ملاحظات حریم خصوصی داده
• 59. قوانین و مقررات مربوط به داده
• 60. ملاحظات حقوقی داده در ایران
• 61. استانداردهای داده در صنعت
• 62. معماری داده‌های توزیع‌شده
• 63. بهینه‌سازی عملکرد پایپ‌لاین‌های داده
• 64. تست و اعتبارسنجی راه‌حل‌های داده
• 65. استقرار و مدیریت زیرساخت‌های داده
• 66. پایش عملکرد و بهینه‌سازی مستمر
• 67. مدیریت چرخه عمر داده
• 68. روندهای نوظهور در مهندسی داده
• 69. یادگیری ماشین و مهندسی داده
• 70. ادغام با خدمات AWS دیگر
• 71. مدیریت پیکربندی زیرساخت داده
• 72. اتوماسیون در مهندسی داده
• 73. نقش مهندس داده در تیم‌های چابک
• 74. چالش‌های مهندسی داده در سازمان‌ها
• 75. ملاحظات فنی و معماری برای داده‌های حجیم
• 76. استفاده از داده‌ها برای تصمیم‌گیری کسب‌وکار
• 77. امنیت اطلاعات در سیستم‌های ابری
• 78. مبانی حاکمیت داده
• 79. اهمیت مستندسازی در مهندسی داده
• 80. اصول طراحی سیستم‌های داده مقاوم
• 81. استفاده از ابزارهای متن‌باز در AWS
• 82. مقدمه‌ای بر امنیت سایبری در داده
• 83. پروتکل‌های ارتباطی امن
• 84. تکنیک‌های فشرده‌سازی داده
• 85. فشرده‌سازی داده در S3 و Redshift
• 86. مدیریت دسترسی به داده‌های حساس
• 87. ملاحظات اخلاقی در استفاده از داده
• 88. طراحی برای مقیاس‌پذیری افقی و عمودی
• 89. بهبود زمان پاسخگویی پایپ‌لاین‌ها
• 90. کارایی پردازش داده‌های بزرگ
• 91. مدیریت وابستگی‌ها در پایپ‌لاین‌ها
• 92. تحلیل علت ریشه‌ای مشکلات داده
• 93. ملاحظات امنیتی در انتقال داده
• 94. استراتژی‌های پشتیبان‌گیری و بازیابی داده
• 95. امنیت لایه شبکه برای داده‌ها
• 96. مدیریت دسترسی با استفاده از IAM Roles
• 97. پایش امنیتی فعالیت‌های داده
• 98. نقش داده در تحول دیجیتال
• 99. اصول طراحی سیستم‌های داده پایدار
• 100. ارزیابی و انتخاب ابزارهای مناسب داده