دوره مبانی NoSQL، کلان‌داده و اسپارک برای تحلیل داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی NoSQL، کلان‌داده و اسپارک برای تحلیل داده

موضوع کلی: فناوری اطلاعات و علوم کامپیوتر

موضوع میانی: پایگاه‌های داده و تحلیل داده‌های حجیم

📋 سرفصل‌های دوره

• 1. مبانی پایگاه داده
• 2. انواع مدل‌های پایگاه داده
• 3. مقدمه‌ای بر پایگاه داده رابطه‌ای
• 4. محدودیت‌های پایگاه داده رابطه‌ای
• 5. ظهور پایگاه داده‌های NoSQL
• 6. انواع پایگاه داده‌های NoSQL
• 7. پایگاه داده‌های کلید-مقدار
• 8. پایگاه داده‌های ستونی
• 9. پایگاه داده‌های سندی
• 10. پایگاه داده‌های گراف
• 11. مقایسه مدل‌های NoSQL
• 12. معماری پایگاه داده‌های NoSQL
• 13. مقیاس‌پذیری افقی
• 14. توزیع داده‌ها
• 15. مدل CAP
• 16. سازگاری در سیستم‌های توزیع شده
• 17. تطابق نهایی
• 18. پایگاه داده‌های کلید-مقدار: مفاهیم پایه
• 19. Redis
• 20. Memcached
• 21. Cassandra
• 22. پایگاه داده‌های سندی: مفاهیم پایه
• 23. MongoDB
• 24. Couchbase
• 25. پایگاه داده‌های ستونی: مفاهیم پایه
• 26. HBase
• 27. ScyllaDB
• 28. پایگاه داده‌های گراف: مفاهیم پایه
• 29. Neo4j
• 30. ArangoDB
• 31. کاربرد پایگاه داده‌های NoSQL
• 32. انتخاب پایگاه داده NoSQL مناسب
• 33. مقدمه‌ای بر کلان‌داده
• 34. تعریف کلان‌داده
• 35. ویژگی‌های کلان‌داده (حجم، سرعت، تنوع)
• 36. چالش‌های کلان‌داده
• 37. معماری کلان‌داده
• 38. اکوسیستم Hadoop
• 39. HDFS (سیستم فایل توزیع شده Hadoop)
• 40. YARN (مدیریت منابع Hadoop)
• 41. MapReduce
• 42. محدودیت‌های MapReduce
• 43. Apache Spark: مقدمه
• 44. چرا Spark؟
• 45. معماری Spark
• 46. RDD (مجموعه داده مقاوم توزیع شده)
• 47. عملیات RDD
• 48. تبدیل‌ها و عملیات RDD
• 49. Spark SQL
• 50. DataFrame
• 51. DataFrame API
• 52. Spark Streaming
• 53. پردازش جریان داده در Spark
• 54. Spark MLlib (کتابخانه یادگیری ماشین Spark)
• 55. الگوریتم‌های MLlib
• 56. کاربرد Spark در تحلیل کلان‌داده
• 57. تحلیل داده‌های سنسور
• 58. تحلیل داده‌های شبکه‌های اجتماعی
• 59. تحلیل داده‌های مالی
• 60. تحلیل داده‌های سلامت
• 61. پردازش زبان طبیعی با Spark
• 62. یادگیری ماشین با Spark
• 63. مصورسازی داده‌های کلان
• 64. ابزارهای مصورسازی داده
• 65. چالش‌های مصورسازی کلان‌داده
• 66. امنیت در کلان‌داده
• 67. حریم خصوصی داده‌ها
• 68. مدیریت کلان‌داده
• 69. استراتژی‌های کلان‌داده
• 70. پیاده‌سازی پروژه‌های کلان‌داده
• 71. آینده کلان‌داده
• 72. مقدمه‌ای بر تحلیل داده
• 73. مراحل تحلیل داده
• 74. جمع‌آوری داده
• 75. پاکسازی داده
• 76. کاوش داده
• 77. مدل‌سازی داده
• 78. تفسیر نتایج
• 79. مقدمه‌ای بر تحلیل اکتشافی داده (EDA)
• 80. تکنیک‌های EDA
• 81. مصورسازی داده برای EDA
• 82. آمار توصیفی
• 83. تحلیل روند
• 84. تحلیل همبستگی
• 85. مقدمه‌ای بر مدل‌سازی پیش‌بینانه
• 86. انواع مدل‌های پیش‌بینانه
• 87. رگرسیون خطی
• 88. رگرسیون لجستیک
• 89. درخت‌های تصمیم
• 90. جنگل‌های تصادفی
• 91. ماشین‌های بردار پشتیبان (SVM)
• 92. شبکه‌های عصبی مقدماتی
• 93. ارزیابی مدل‌های پیش‌بینانه
• 94. معیارهای ارزیابی
• 95. اعتبارسنجی متقابل
• 96. کاربرد تحلیل داده در کسب‌وکار
• 97. تصمیم‌گیری مبتنی بر داده
• 98. بهینه‌سازی فرآیندها
• 99. شناسایی فرصت‌های جدید
• 100. تحلیل بازاریابی