فلش‌کارت‌های آموزشی معماری زیرساخت دادهٔ داده‌محور: اصول و پیاده‌سازی در سیستم‌های پیشرفته

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره معماری زیرساخت دادهٔ داده‌محور: اصول و پیاده‌سازی در سیستم‌های پیشرفته

موضوع کلی: مهندسی داده و زیرساخت‌های فناوری اطلاعات

موضوع میانی: مدیریت و بهینه‌سازی زیرساخت‌های داده در مقیاس بزرگ

📋 سرفصل‌های دوره

• 1. مبانی معماری زیرساخت داده
• 2. مفاهیم کلیدی مهندسی داده
• 3. اصول طراحی پایگاه داده رابطه‌ای
• 4. مبانی پایگاه داده NoSQL
• 5. معماری‌های دادهٔ توزیع‌شده
• 6. مخازن داده (Data Warehousing)
• 7. انباره‌های داده (Data Lakes)
• 8. معماری‌های دادهٔ مدرن
• 9. پردازش دسته‌ای (Batch Processing)
• 10. پردازش جریانی (Stream Processing)
• 11. پلتفرم‌های پردازش کلان‌داده
• 12. موتورهای پردازش داده (Spark, Flink)
• 13. ذخیره‌سازی داده‌های حجیم
• 14. سیستم‌های فایل توزیع‌شده (HDFS)
• 15. ذخیره‌سازی ابری (Cloud Storage)
• 16. شبکه‌های توزیع‌شده و ذخیره‌سازی
• 17. امنیت زیرساخت‌های داده
• 18. حاکمیت داده (Data Governance)
• 19. کیفیت داده (Data Quality)
• 20. مدیریت فراداده (Metadata Management)
• 21. خطوط لوله داده (Data Pipelines)
• 22. طراحی و پیاده‌سازی ETL/ELT
• 23. نظارت و مانیتورینگ زیرساخت داده
• 24. بهینه‌سازی عملکرد پایگاه داده
• 25. بهینه‌سازی پرس‌وجوها (Query Optimization)
• 26. مدیریت هزینه‌های زیرساخت داده
• 27. استقرار زیرساخت داده (Deployment)
• 28. اتوماسیون زیرساخت داده
• 29. مدیریت پیکربندی (Configuration Management)
• 30. تست زیرساخت داده
• 31. پایداری و تاب‌آوری زیرساخت داده
• 32. بازیابی فاجعه (Disaster Recovery)
• 33. پشتیبان‌گیری و بازیابی داده
• 34. معماری میکروسرویس و داده
• 35. ارتباطات بین سرویسی (IPC)
• 36. مدیریت وضعیت در سیستم‌های توزیع‌شده
• 37. الگوهای طراحی برای زیرساخت داده
• 38. مدیریت و ارکستراسیون کانتینر (Kubernetes)
• 39. کانتینرسازی (Docker)
• 40. استقرار و مدیریت پایگاه داده در کانتینر
• 41. امنیت داده در محیط کانتینری
• 42. شبکه‌بندی در محیط کانتینری
• 43. اصول طراحی API برای داده
• 44. مدیریت API
• 45. امنیت API
• 46. ملاحظات قانونی و حریم خصوصی داده
• 47. قوانین حفاظت از داده (GDPR-like principles)
• 48. اصول اخلاقی در مهندسی داده
• 49. مدیریت چرخه عمر داده
• 50. حذف امن داده
• 51. مستندسازی زیرساخت داده
• 52. یادگیری ماشین و زیرساخت داده
• 53. آموزش مدل‌های داده در مقیاس بزرگ
• 54. استقرار مدل‌های یادگیری ماشین (MLOps)
• 55. پلتفرم‌های MLOps
• 56. داده‌کاوی (Data Mining)
• 57. تحلیل داده‌های اکتشافی (EDA)
• 58. مصورسازی داده (Data Visualization)
• 59. ابزارهای مصورسازی داده
• 60. داشبوردهای مدیریتی
• 61. تجزیه و تحلیل داده‌های بلادرنگ
• 62. پردازش رویداد (Event Processing)
• 63. معماری رویداد محور (Event-Driven Architecture)
• 64. استانداردهای ارتباطی (Kafka, Pulsar)
• 65. مسیریابی پیام (Message Routing)
• 66. مدیریت صف پیام
• 67. موازنه بار (Load Balancing)
• 68. پروتکل‌های انتقال داده
• 69. شبکه‌های پرسرعت و کم‌تأخیر
• 70. مدیریت دسترسی به داده
• 71. احراز هویت و مجوزدهی
• 72. رمزنگاری داده (Data Encryption)
• 73. رمزنگاری در حالت استراحت (At Rest)
• 74. رمزنگاری در حین انتقال (In Transit)
• 75. مدیریت کلیدهای رمزنگاری
• 76. تحلیل لاگ‌ها و ممیزی امنیتی
• 77. شناسایی نفوذ و تهدیدات
• 78. پاسخ به حوادث امنیتی
• 79. برنامه‌ریزی تداوم کسب‌وکار
• 80. مدیریت تغییرات زیرساخت
• 81. حکمرانی نرم‌افزاری (Software Governance)
• 82. استانداردهای کدنویسی و مستندسازی
• 83. پایش عملکرد نرم‌افزار
• 84. بهینه‌سازی منابع محاسباتی
• 85. مدیریت حافظه در سیستم‌های توزیع‌شده
• 86. مدیریت پهنای باند شبکه
• 87. اصول طراحی پایگاه داده بهینه برای تحلیل
• 88. انبار داده ستاره‌ای و دانه‌برفی
• 89. مدل‌سازی ابعادی (Dimensional Modeling)
• 90. فاکت‌ها و ابعاد
• 91. نرمال‌سازی و عدم نرمال‌سازی
• 92. تکنیک‌های فشرده‌سازی داده
• 93. فشرده‌سازی داده در ذخیره‌سازی
• 94. فشرده‌سازی داده در انتقال
• 95. ملاحظات عملکردی در طراحی پایگاه داده
• 96. تأثیر ساختار داده بر سرعت
• 97. انتخاب نوع پایگاه داده مناسب
• 98. پایگاه داده‌های گراف (Graph Databases)
• 99. پایگاه داده‌های کلید-مقدار (Key-Value Stores)
• 100. پایگاه داده‌های ستونی (Columnar Databases)