فلش‌کارت‌های آموزشی طراحی و پیاده‌سازی راه‌حل‌های مهندسی داده در گوگل کلود

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی راه‌حل‌های مهندسی داده در گوگل کلود

موضوع کلی: مهندسی داده و زیرساخت‌های ابری

موضوع میانی: مهندسی داده در پلتفرم گوگل کلود

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مهندسی داده در عصر دیجیتال
• 2. نقش مهندس داده در سازمان‌های مدرن
• 3. چالش‌های کلیدی در مهندسی داده
• 4. معرفی اکوسیستم گوگل کلود برای داده
• 5. آشنایی با سرویس‌های اصلی گوگل کلود برای داده
• 6. مبانی ذخیره‌سازی داده در گوگل کلود
• 7. انواع منابع داده و فرمت‌های رایج
• 8. مفاهیم پایگاه داده رابطه‌ای در گوگل کلود
• 9. استفاده از Cloud SQL برای پایگاه داده رابطه‌ای
• 10. مقدمه‌ای بر پایگاه داده NoSQL در گوگل کلود
• 11. کاربرد Bigtable برای داده‌های NoSQL مقیاس‌پذیر
• 12. ذخیره‌سازی اشیاء با Cloud Storage
• 13. مدیریت داده‌های حجیم با BigQuery
• 14. مفاهیم انبار داده (Data Warehousing)
• 15. طراحی انبار داده در گوگل کلود
• 16. مهاجرت داده‌ها به گوگل کلود
• 17. استراتژی‌های مهاجرت داده
• 18. ابزارهای مهاجرت داده در گوگل کلود
• 19. مقدمه‌ای بر خطوط لوله داده (Data Pipelines)
• 20. الگوهای طراحی خطوط لوله داده
• 21. ساخت خطوط لوله داده با Dataflow
• 22. پردازش دسته‌ای (Batch Processing) در Dataflow
• 23. پردازش جریانی (Stream Processing) در Dataflow
• 24. استفاده از Pub/Sub برای پیام‌رسانی
• 25. معماری‌های مبتنی بر رویداد (Event-driven Architectures)
• 26. ابزارهای ارکستراسیون خطوط لوله داده
• 27. مدیریت خطوط لوله داده با Cloud Composer
• 28. اتوماسیون در مهندسی داده
• 29. خودکارسازی استقرار خطوط لوله داده
• 30. مانیتورینگ و لاگ‌برداری در گوگل کلود
• 31. مدیریت کیفیت داده
• 32. تکنیک‌های تضمین کیفیت داده
• 33. پاکسازی و اعتبارسنجی داده‌ها
• 34. امنیت داده در گوگل کلود
• 35. مدیریت دسترسی و احراز هویت
• 36. رمزنگاری داده‌ها در حالت سکون و در حال انتقال
• 37. مقدمه‌ای بر معماری داده مدرن
• 38. معماری دیتامش (Data Mesh)
• 39. کاربرد دیتامش در گوگل کلود
• 40. مفاهیم دریاچه داده (Data Lake)
• 41. ساخت دریاچه داده در گوگل کلود
• 42. دیجیتالیزاسیون فرایندهای کسب و کار
• 43. تحول دیجیتال و نقش داده
• 44. اهمیت داده در تصمیم‌گیری استراتژیک
• 45. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 46. ادغام مهندسی داده با هوش مصنوعی
• 47. استفاده از Vertex AI برای مدل‌های ML
• 48. مدیریت چرخه عمر مدل‌های ML
• 49. مقدمه‌ای بر تحلیل داده‌های بلادرنگ
• 50. ابزارهای تحلیل بلادرنگ در گوگل کلود
• 51. تجسم داده‌ها (Data Visualization)
• 52. استفاده از Looker Studio برای تجسم داده
• 53. مباحث پیشرفته در ذخیره‌سازی داده
• 54. بهینه‌سازی هزینه‌ها در گوگل کلود
• 55. مدیریت کلان‌داده (Big Data Management)
• 56. استراتژی‌های مدیریت داده بلندمدت
• 57. حاکمیت داده (Data Governance)
• 58. اصول حاکمیت داده در سازمان
• 59. قوانین و مقررات مربوط به داده
• 60. حفظ حریم خصوصی داده‌ها (Data Privacy)
• 61. پیاده‌سازی پروتکل‌های حریم خصوصی
• 62. مقدمه‌ای بر اینترنت اشیاء (IoT) و داده‌های آن
• 63. جمع‌آوری و پردازش داده‌های IoT
• 64. کاربرد داده در صنعت
• 65. کاربرد داده در بهداشت و درمان
• 66. کاربرد داده در امور مالی
• 67. کاربرد داده در خرده‌فروشی
• 68. مقدمه‌ای بر داده‌های مکانی (Geospatial Data)
• 69. پردازش و تحلیل داده‌های مکانی
• 70. مقدمه‌ای بر داده‌های متنی (Text Data)
• 71. پردازش زبان طبیعی (NLP) در گوگل کلود
• 72. مفاهیم داده‌های ساختاریافته و بدون ساختار
• 73. استخراج ویژگی از داده‌ها
• 74. مقدمه‌ای بر یادگیری تقویتی
• 75. کاربرد یادگیری تقویتی در مهندسی داده
• 76. مفاهیم داده‌های سری زمانی (Time Series Data)
• 77. تحلیل سری‌های زمانی در گوگل کلود
• 78. بهینه‌سازی عملکرد خطوط لوله داده
• 79. عیب‌یابی و رفع مشکلات خطوط لوله داده
• 80. مدیریت پیکربندی زیرساخت داده
• 81. مفاهیم DevOps در مهندسی داده
• 82. پیاده‌سازی CI/CD برای خطوط لوله داده
• 83. مقدمه‌ای بر معماری میکروسرویس و داده
• 84. مدیریت داده در معماری میکروسرویس
• 85. استراتژی‌های مقیاس‌پذیری زیرساخت داده
• 86. مدیریت ریسک در پروژه‌های داده
• 87. ارزیابی و انتخاب ابزارهای مهندسی داده
• 88. نکات عملی برای موفقیت در مهندسی داده
• 89. آینده مهندسی داده و روندهای نوظهور
• 90. مسیر شغلی در مهندسی داده
• 91. یادگیری مستمر و توسعه مهارت‌ها
• 92. جمع‌بندی و نگاه به آینده مهندسی داده در ایران
• 93. اصول اخلاقی در مهندسی داده
• 94. مسئولیت‌پذیری در مدیریت داده
• 95. تکنیک‌های پیشرفته پاکسازی داده
• 96. مدیریت کلیدهای رمزنگاری
• 97. استفاده از ابزارهای مانیتورینگ پیشرفته
• 98. بهینه‌سازی پرس‌وجوها در BigQuery
• 99. معماری‌های داده توزیع‌شده
• 100. مدیریت متادیتای داده