فلش‌کارت‌های آموزشی مهندسی داده در Azure: ساخت راهکارهای مدرن داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی داده در Azure: ساخت راهکارهای مدرن داده

موضوع کلی: برنامه نویسی

موضوع میانی: مهندسی داده (Data Engineering)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مهندسی داده در Azure
• 2. آشنایی با مفاهیم کلیدی مهندسی داده
• 3. معماری کلان داده در Azure
• 4. سرویس Azure Data Lake Storage Gen2
• 5. مدیریت داده ها در Data Lake Storage Gen2
• 6. امنیت در Azure Data Lake Storage Gen2
• 7. آشنایی با Azure Databricks
• 8. مفاهیم Apache Spark در Databricks
• 9. ساخت و اجرای نوت‌بوک ها در Databricks
• 10. کار با DataFrame ها در Spark
• 11. عملیات ETL با Spark در Databricks
• 12. بهینه سازی عملکرد Spark
• 13. مقدمه ای بر Azure Synapse Analytics
• 14. معماری Azure Synapse Analytics
• 15. کار با SQL Pool ها در Synapse Analytics
• 16. اجرای کوئری های T-SQL در Synapse
• 17. Synapse Spark Pool ها
• 18. ترکیب SQL و Spark در Synapse
• 19. اتصال به منابع داده در Synapse
• 20. مدیریت پایگاه داده در Synapse
• 21. آشنایی با Azure Data Factory
• 22. مفاهیم Pipeline و Activity در Data Factory
• 23. طراحی و اجرای Pipeline ها
• 24. اتصال به منابع داده با Integration Runtimes
• 25. تبدیل داده ها با Data Factory
• 26. فعال سازی Pipeline ها
• 27. مانیتورینگ و مدیریت Pipeline ها
• 28. امنیت در Azure Data Factory
• 29. مقدمه ای بر Azure Stream Analytics
• 30. پردازش جریان داده زنده
• 31. نوشتن کوئری های Stream Analytics
• 32. ورودی ها و خروجی ها در Stream Analytics
• 33. تشخیص الگو در جریان داده
• 34. آشنایی با Azure Event Hubs
• 35. مفاهیم Producer و Consumer
• 36. ارسال و دریافت پیام در Event Hubs
• 37. امنیت در Event Hubs
• 38. مقدمه ای بر Azure IoT Hub
• 39. اتصال دستگاه های IoT به Azure
• 40. ارسال و دریافت داده از دستگاه ها
• 41. مدیریت دستگاه ها در IoT Hub
• 42. امنیت در IoT Hub
• 43. مقدمه ای بر Azure Functions
• 44. ساخت توابع بدون سرور
• 45. اجرای توابع با Trigger های مختلف
• 46. اتصال توابع به سایر سرویس های Azure
• 47. مقدمه ای بر Azure Logic Apps
• 48. طراحی Workflow های اتوماسیون
• 49. اتصال Logic Apps به سرویس های مختلف
• 50. مانیتورینگ Logic Apps
• 51. مفهوم Data Governance در Azure
• 52. قوانین و مقررات داده در ایران
• 53. مدیریت کیفیت داده ها
• 54. کاتالوگ داده ها در Azure
• 55. امنیت داده ها در Azure
• 56. قوانین حفاظت از داده ها
• 57. آشنایی با Azure Purview
• 58. کشف و طبقه بندی داده ها
• 59. مدیریت خط مشی های داده
• 60. مستندسازی داده ها
• 61. حاکمیت داده در سازمان
• 62. مدیریت ریسک داده ها
• 63. آشنایی با Azure DevOps
• 64. مدیریت کد منبع با Azure Repos
• 65. ساخت و انتشار Pipeline ها با Azure Pipelines
• 66. تست خودکار در Azure Pipelines
• 67. مدیریت پروژه با Azure Boards
• 68. مقدمه ای بر یادگیری ماشین در Azure
• 69. سرویس Azure Machine Learning
• 70. ساخت و آموزش مدل ها
• 71. استقرار مدل ها
• 72. مقدمه ای بر هوش مصنوعی در Azure
• 73. سرویس های Azure Cognitive Services
• 74. پردازش زبان طبیعی
• 75. بینایی ماشین
• 76. آشنایی با Azure Cosmos DB
• 77. مدل داده چندمدلی Cosmos DB
• 78. کوئری زدن در Cosmos DB
• 79. مقیاس پذیری Cosmos DB
• 80. امنیت در Cosmos DB
• 81. مقدمه ای بر Azure SQL Database
• 82. مدیریت پایگاه داده SQL
• 83. بهینه سازی عملکرد SQL Database
• 84. امنیت در Azure SQL Database
• 85. مقدمه ای بر Azure Database for PostgreSQL
• 86. مدیریت پایگاه داده PostgreSQL
• 87. بهینه سازی عملکرد PostgreSQL
• 88. امنیت در Azure Database for PostgreSQL
• 89. مقدمه ای بر Azure Database for MySQL
• 90. مدیریت پایگاه داده MySQL
• 91. بهینه سازی عملکرد MySQL
• 92. امنیت در Azure Database for MySQL
• 93. استفاده از Azure Data Share
• 94. اشتراک گذاری امن داده ها
• 95. مدیریت دسترسی به اشتراک ها
• 96. آشنایی با Azure Data Catalog
• 97. کشف و جستجوی دارایی های داده
• 98. ثبت و برچسب گذاری دارایی ها
• 99. مفاهیم Data Lineage
• 100. ردیابی جریان داده ها