دوره طراحی و پیاده‌سازی زیرساخت‌های ابری با استفاده از Google Compute Engine همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی زیرساخت‌های ابری با استفاده از Google Compute Engine

موضوع کلی: فناوری اطلاعات و شبکه‌های کامپیوتری

موضوع میانی: زیرساخت‌های ابری و پردازش داده

📋 سرفصل‌های دوره

• 1. مقدمه ای بر فناوری ابری و محاسبات
• 2. مبانی زیرساخت های ابری
• 3. معماری خدمات گوگل کلود
• 4. مفاهیم کلیدی Google Compute Engine
• 5. انتخاب و پیکربندی ماشین های مجازی
• 6. مدیریت چرخه عمر ماشین های مجازی
• 7. شبکه سازی در Google Compute Engine
• 8. تنظیمات شبکه برای برنامه ها
• 9. امنیت در Google Compute Engine
• 10. مدیریت هویت و دسترسی (IAM)
• 11. ذخیره سازی داده ها در Google Cloud
• 12. انواع ذخیره سازی و کاربردهای آن
• 13. پایگاه های داده مدیریت شده در Google Cloud
• 14. انتخاب پایگاه داده مناسب
• 15. پردازش داده های حجیم
• 16. ابزارهای پردازش داده در Google Cloud
• 17. تحلیل داده ها با استفاده از BigQuery
• 18. یادگیری ماشین و هوش مصنوعی در Google Cloud
• 19. استقرار مدل های یادگیری ماشین
• 20. کانتینرسازی و ارکستراسیون
• 21. Google Kubernetes Engine (GKE)
• 22. استقرار برنامه ها با استفاده از GKE
• 23. مانیتورینگ و ثبت رویدادها
• 24. ابزارهای مانیتورینگ در Google Cloud
• 25. مدیریت هزینه ها در Google Cloud
• 26. بهینه سازی هزینه های ابری
• 27. بازیابی فاجعه و تداوم کسب و کار
• 28. پیاده سازی راهکارهای DR
• 29. قوانین و مقررات فناوری اطلاعات در ایران
• 30. حفاظت از داده ها در محیط ابری
• 31. اصول رمزنگاری و کاربرد آن
• 32. مدیریت کلیدهای رمزنگاری
• 33. سیاست های دسترسی و احراز هویت
• 34. مدیریت و مانیتورینگ شبکه
• 35. پیکربندی فایروال ها و گروه های امنیتی
• 36. مدیریت ترافیک ورودی و خروجی
• 37. تکنیک های Load Balancing
• 38. اصول طراحی مقیاس پذیر
• 39. استفاده از Auto Scaling
• 40. مدیریت منابع محاسباتی
• 41. بهینه سازی عملکرد ماشین های مجازی
• 42. انتخاب نوع دیسک و پیکربندی آن
• 43. مفاهیم Snapshot و Image
• 44. مدیریت دیسک های Persistent
• 45. استفاده از Cloud Storage
• 46. انواع کلاس های ذخیره سازی
• 47. انتقال داده به Google Cloud
• 48. مفاهیم پایگاه داده رابطه‌ای
• 49. مدیریت پایگاه داده Cloud SQL
• 50. استفاده از Cloud Spanner
• 51. مفاهیم پایگاه داده NoSQL
• 52. مدیریت پایگاه داده Firestore
• 53. استفاده از Bigtable
• 54. مفاهیم پردازش جریانی
• 55. استفاده از Cloud Dataflow
• 56. پردازش داده های آنی
• 57. استفاده از Dataproc
• 58. مفاهیم یادگیری عمیق
• 59. استفاده از Vertex AI
• 60. مدیریت چرخه عمر مدل های ML
• 61. استقرار مدل های ML به صورت سرویس
• 62. کانتینرهای Docker
• 63. مفاهیم Kubernetes
• 64. استقرار برنامه ها با Helm
• 65. مدیریت Cluster در GKE
• 66. مانیتورینگ برنامه ها با Prometheus
• 67. استفاده از Cloud Logging
• 68. ثبت و تحلیل لاگ های سیستم
• 69. مدیریت رویدادهای امنیتی
• 70. برنامه ریزی برای تداوم کسب و کار
• 71. طراحی معماری مقاوم در برابر خطا
• 72. تست و اعتبارسنجی راهکارهای ابری
• 73. مستندسازی زیرساخت های ابری
• 74. راهنمای عملی پیاده سازی
• 75. بهترین شیوه ها در معماری ابری
• 76. ملاحظات قانونی و مقرراتی در ایران
• 77. اصول و مبانی حسابداری در سازمان ها
• 78. مدیریت مالی و بودجه بندی
• 79. اصول بازاریابی و فروش
• 80. مبانی مدیریت پروژه
• 81. فرهنگ سازمانی و مدیریت منابع انسانی
• 82. اصول حقوقی قراردادها
• 83. مبانی مباحث اقتصادی کلان
• 84. تحلیل SWOT و کاربردهای آن
• 85. مدیریت کیفیت و فرآیندها
• 86. مبانی مدیریت ریسک
• 87. اصول ارتباطات موثر
• 88. کاربرد هوش مصنوعی در کسب و کار
• 89. مفاهیم تحلیل کسب و کار
• 90. راهکارهای نوآوری در سازمان ها
• 91. اصول و مبانی حقوقی در فضای مجازی
• 92. مدیریت دانش در سازمان ها
• 93. مبانی کارآفرینی و کسب و کارهای نوپا
• 94. اصول و مبانی توسعه پایدار
• 95. مبانی مدیریت استراتژیک
• 96. مدیریت تغییر در سازمان ها
• 97. اصول و مبانی روانشناسی سازمانی
• 98. مبانی تحلیل داده های مالی
• 99. مدیریت ارتباط با مشتری (CRM)
• 100. اصول و مبانی مدیریت عملیات