دوره ساخت برنامه‌های داده هوشمند با SAP HANA Cloud همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت برنامه‌های داده هوشمند با SAP HANA Cloud

موضوع کلی: هوش مصنوعی و تحلیل داده

موضوع میانی: پایگاه داده‌های چندمدلی و کاربردهای هوشمند

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و تحلیل داده
• 2. مبانی پایگاه داده‌های رابطه‌ای
• 3. مفاهیم کلیدی SAP HANA Cloud
• 4. معماری SAP HANA Cloud
• 5. مدل‌سازی داده در SAP HANA Cloud
• 6. انواع داده‌های پشتیبانی شده در SAP HANA Cloud
• 7. کاربرد داده‌های جغرافیایی در SAP HANA Cloud
• 8. تحلیل داده‌های گراف در SAP HANA Cloud
• 9. پردازش داده‌های متنی در SAP HANA Cloud
• 10. کاربرد داده‌های JSON در SAP HANA Cloud
• 11. کاربرد داده‌های XML در SAP HANA Cloud
• 12. مقدمه‌ای بر برنامه‌های داده هوشمند
• 13. طراحی برنامه‌های داده هوشمند
• 14. توسعه برنامه‌های داده هوشمند
• 15. معماری برنامه‌های داده هوشمند
• 16. امنیت در برنامه‌های داده هوشمند
• 17. مدیریت داده در برنامه‌های داده هوشمند
• 18. بهینه‌سازی عملکرد برنامه‌های داده هوشمند
• 19. کاربرد هوش مصنوعی در برنامه‌های داده
• 20. یادگیری ماشین در SAP HANA Cloud
• 21. مدل‌های پیش‌بینی کننده در SAP HANA Cloud
• 22. تحلیل داده‌های سری زمانی
• 23. پردازش زبان طبیعی در SAP HANA Cloud
• 24. کاربرد شبکه‌های عصبی در SAP HANA Cloud
• 25. توسعه مدل‌های یادگیری ماشین سفارشی
• 26. ادغام مدل‌های یادگیری ماشین با SAP HANA Cloud
• 27. ابزارهای توسعه هوش مصنوعی
• 28. محیط‌های توسعه یکپارچه (IDE)
• 29. توسعه با استفاده از SQLScript
• 30. توسعه با استفاده از توابع تعریف شده توسط کاربر (UDF)
• 31. ادغام با زبان‌های برنامه‌نویسی مانند Python و R
• 32. کاربرد SAP HANA Smart Data Integration
• 33. انتقال و تبدیل داده‌ها
• 34. پردازش داده‌های زنده
• 35. داده‌های مجازی
• 36. کاربرد SAP HANA Smart Data Access
• 37. دسترسی به داده‌های خارجی
• 38. یکپارچه‌سازی داده‌های ناهمگن
• 39. امنیت داده‌ها و دسترسی‌ها
• 40. مدیریت کاربران و نقش‌ها
• 41. رمزنگاری داده‌ها
• 42. پشتیبان‌گیری و بازیابی داده‌ها
• 43. برنامه‌های کاربردی در حوزه مالی
• 44. تحلیل ریسک در حوزه مالی
• 45. تشخیص تقلب در حوزه مالی
• 46. بهینه‌سازی سبد سهام
• 47. برنامه‌های کاربردی در حوزه بهداشت و درمان
• 48. تحلیل داده‌های پزشکی
• 49. پیش‌بینی بیماری‌ها
• 50. شخصی‌سازی درمان
• 51. برنامه‌های کاربردی در حوزه خرده‌فروشی
• 52. تحلیل رفتار مشتری
• 53. پیش‌بینی تقاضا
• 54. بهینه‌سازی موجودی
• 55. برنامه‌های کاربردی در حوزه تولید
• 56. بهینه‌سازی فرآیندهای تولید
• 57. پیش‌بینی خرابی تجهیزات
• 58. کنترل کیفیت
• 59. برنامه‌های کاربردی در حوزه انرژی
• 60. مدیریت مصرف انرژی
• 61. بهینه‌سازی تولید انرژی
• 62. پیش‌بینی تقاضای انرژی
• 63. برنامه‌های کاربردی در حوزه حمل و نقل
• 64. بهینه‌سازی مسیرها
• 65. مدیریت ترافیک
• 66. پیش‌بینی نیاز به حمل و نقل
• 67. مقدمه‌ای بر تحلیل داده‌های مکانی
• 68. کاربرد داده‌های مکانی در تصمیم‌گیری
• 69. تحلیل خوشه‌بندی مکانی
• 70. تحلیل همبستگی مکانی
• 71. تحلیل شبکه در SAP HANA Cloud
• 72. مقدمه‌ای بر گراف‌ها و شبکه‌ها
• 73. کاربرد گراف‌ها در تحلیل داده
• 74. الگوریتم‌های پیمایش گراف
• 75. تحلیل مسیر در گراف‌ها
• 76. مدل‌سازی داده‌های متنی
• 77. پردازش و تحلیل متون
• 78. استخراج اطلاعات از متون
• 79. دسته‌بندی متون
• 80. تحلیل احساسات در متون
• 81. کاربرد داده‌های JSON در برنامه‌های کاربردی
• 82. اعتبارسنجی داده‌های JSON
• 83. کوئری زدن داده‌های JSON
• 84. کاربرد داده‌های XML در برنامه‌های کاربردی
• 85. تبدیل داده‌های XML
• 86. کوئری زدن داده‌های XML
• 87. مفاهیم پیشرفته در SAP HANA Cloud
• 88. توابع آماری پیشرفته
• 89. توابع ریاضی پیشرفته
• 90. توابع پردازش سری زمانی
• 91. توابع تحلیل مکانی پیشرفته
• 92. توابع پردازش گراف پیشرفته
• 93. توابع پردازش متن پیشرفته
• 94. کاربرد یادگیری عمیق
• 95. معماری‌های شبکه‌های عصبی
• 96. آموزش مدل‌های یادگیری عمیق
• 97. استقرار مدل‌های یادگیری عمیق
• 98. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 99. کاربرد IoT در تحلیل داده
• 100. جمع‌آوری داده از دستگاه‌های IoT