فلش‌کارت‌های آموزشی راه‌اندازی و مدیریت اوبونتو در ویندوز برای دانشمندان داده و توسعه‌دهندگان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راه‌اندازی و مدیریت اوبونتو در ویندوز برای دانشمندان داده و توسعه‌دهندگان

موضوع کلی: توسعه نرم‌افزار و علم داده در محیط‌های مدرن

موضوع میانی: بهره‌گیری از ابزارهای متن‌باز برای توسعه حرفه‌ای

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اوبونتو در ویندوز برای دانشمندان داده
• 2. نصب و راه‌اندازی اولیه اوبونتو در ویندوز
• 3. آشنایی با خط فرمان اوبونتو
• 4. مدیریت بسته‌ها با APT
• 5. به‌روزرسانی و ارتقاء سیستم
• 6. پیکربندی شبکه در اوبونتو WSL
• 7. مدیریت کاربران و مجوزها
• 8. مفاهیم اولیه سیستم فایل در لینوکس
• 9. کار با ابزارهای ویرایش متن (Vim, Nano)
• 10. نصب و پیکربندی Git
• 11. کنترل نسخه با Git
• 12. مبانی توسعه نرم‌افزار در لینوکس
• 13. نصب و اجرای زبان‌های برنامه‌نویسی (Python, R)
• 14. مدیریت محیط‌های مجازی پایتون (venv, conda)
• 15. نصب کتابخانه‌های علمی پایتون
• 16. مقدمه‌ای بر علم داده
• 17. مراحل تحلیل داده
• 18. جمع‌آوری داده‌ها
• 19. پاکسازی و پیش‌پردازش داده‌ها
• 20. کاوش داده‌ها (EDA)
• 21. تجسم داده‌ها با Matplotlib و Seaborn
• 22. مبانی یادگیری ماشین
• 23. انواع الگوریتم‌های یادگیری ماشین
• 24. آموزش مدل‌های ساده (رگرسیون، طبقه‌بندی)
• 25. ارزیابی مدل‌های یادگیری ماشین
• 26. استفاده از Jupyter Notebook برای تحلیل داده
• 27. پیکربندی Jupyter Notebook در WSL
• 28. نصب و استفاده از Docker
• 29. مفاهیم کانتینرسازی
• 30. استقرار برنامه‌ها با Docker
• 31. مدیریت کانتینرها
• 32. مقدمه‌ای بر پایگاه‌های داده
• 33. نصب و راه‌اندازی PostgreSQL
• 34. کار با پایگاه داده PostgreSQL
• 35. نصب و راه‌اندازی MySQL
• 36. کار با پایگاه داده MySQL
• 37. مفاهیم NoSQL
• 38. نصب و راه‌اندازی MongoDB
• 39. کار با پایگاه داده MongoDB
• 40. مقدمه‌ای بر ابزارهای Big Data
• 41. نصب و پیکربندی Apache Hadoop
• 42. مفاهیم HDFS
• 43. کار با MapReduce
• 44. نصب و پیکربندی Apache Spark
• 45. مقدمه‌ای بر Spark SQL
• 46. کار با Spark Streaming
• 47. مقدمه‌ای بر ابزارهای هوش تجاری
• 48. نصب و راه‌اندازی Apache Superset
• 49. تجسم داده‌ها با Superset
• 50. مقدمه‌ای بر MLOps
• 51. چرخه حیات مدل‌های یادگیری ماشین
• 52. مدیریت مدل‌ها
• 53. اتوماسیون فرآیندها
• 54. مقدمه‌ای بر DevOps
• 55. اصول CI/CD
• 56. پیاده‌سازی CI/CD با Jenkins
• 57. استقرار برنامه‌ها
• 58. مقدمه‌ای بر ابزارهای مانیتورینگ
• 59. نصب و پیکربندی Prometheus
• 60. تجسم داده‌ها با Grafana
• 61. مانیتورینگ سیستم‌ها
• 62. مقدمه‌ای بر امنیت در لینوکس
• 63. مدیریت فایروال (ufw)
• 64. تنظیمات امنیتی SSH
• 65. پیکربندی SELinux
• 66. مفاهیم رمزنگاری
• 67. استفاده از GPG
• 68. مدیریت کلیدها
• 69. مقدمه‌ای بر پردازش ابری
• 70. مفاهیم AWS
• 71. مفاهیم Azure
• 72. مفاهیم Google Cloud
• 73. استقرار برنامه‌ها در محیط ابری
• 74. مقدمه‌ای بر توسعه وب در لینوکس
• 75. نصب و پیکربندی Nginx
• 76. نصب و پیکربندی Apache Web Server
• 77. مبانی HTML, CSS, JavaScript
• 78. توسعه بک‌اند با Python (Django/Flask)
• 79. توسعه فرانت‌اند با React
• 80. مقدمه‌ای بر ابزارهای ساخت و اتوماسیون
• 81. استفاده از Make
• 82. استفاده از Ansible
• 83. مقدمه‌ای بر پردازش موازی
• 84. مفاهیم Threading
• 85. مفاهیم Multiprocessing
• 86. استفاده از کتابخانه‌های موازی‌سازی
• 87. بهینه‌سازی عملکرد در لینوکس
• 88. پروفایلینگ کد
• 89. مدیریت منابع سیستم
• 90. عیب‌یابی و رفع اشکال
• 91. مقدمه‌ای بر مباحث پیشرفته علم داده
• 92. یادگیری عمیق
• 93. شبکه‌های عصبی کانولوشنی (CNN)
• 94. شبکه‌های عصبی بازگشتی (RNN)
• 95. پردازش زبان طبیعی (NLP)
• 96. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 97. مقدمه‌ای بر تحلیل سری‌های زمانی
• 98. مقدمه‌ای بر یادگیری تقویتی
• 99. مقدمه‌ای بر گراف‌های دانش
• 100. کاربرد هوش مصنوعی در حوزه‌های مختلف