کتاب صوتی Azure SQL Data Warehouse (Synapse Analytics)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Azure SQL Data Warehouse (Synapse Analytics)

موضوع کلی: برنامه نویسی

موضوع میانی: Microsoft SQL Server

📋 سرفصل‌های دوره

• 1. آشنایی با Azure Synapse Analytics
• 2. مفاهیم اولیه مخازن داده در ابر
• 3. معماری Azure Synapse Analytics
• 4. مقایسه Synapse با Azure SQL Database
• 5. مراحل راه‌اندازی Synapse Workspace
• 6. مدیریت منابع در Synapse
• 7. امنیت در Azure Synapse Analytics
• 8. احراز هویت و مجوزها در Synapse
• 9. رمزگذاری داده‌ها در Synapse
• 10. شبکه‌سازی و نقاط پایانی در Synapse
• 11. پیکربندی اتصالات به Synapse
• 12. استفاده از SQL Pools در Synapse
• 13. مفهوم Dedicated SQL Pool
• 14. ایجاد Dedicated SQL Pool
• 15. مدیریت Dedicated SQL Pool
• 16. بهینه‌سازی عملکرد Dedicated SQL Pool
• 17. طراحی جداول در Dedicated SQL Pool
• 18. انواع توزیع داده در Dedicated SQL Pool
• 19. ایندکس‌گذاری در Dedicated SQL Pool
• 20. استراتژی‌های پارتیشن‌بندی
• 21. مدیریت بار کاری در Dedicated SQL Pool
• 22. مانیتورینگ و گزارش‌گیری در Synapse
• 23. استفاده از Serverless SQL Pool
• 24. مفاهیم Serverless SQL Pool
• 25. پرس‌وجو از داده‌های ذخیره‌شده در Data Lake
• 26. اتصال به منابع داده خارجی
• 27. پردازش داده با Spark در Synapse
• 28. مفاهیم Apache Spark
• 29. ایجاد Spark Pool در Synapse
• 30. مدیریت Spark Pool
• 31. اجرای Spark Jobs در Synapse
• 32. استفاده از Spark SQL
• 33. پایپ‌لاین‌ها و ارکستراسیون در Synapse
• 34. مفهوم Pipeline
• 35. ایجاد و مدیریت Pipeline
• 36. فعالیت‌های Pipeline (Copy Data, Stored Procedure)
• 37. فعالیت‌های Pipeline (Databricks Notebook, Spark Job)
• 38. فعالیت‌های Pipeline (Web Activity, Execute Pipeline)
• 39. شرایط و رویدادها در Pipeline
• 40. زمان‌بندی اجرای Pipeline
• 41. مانیتورینگ اجرای Pipeline
• 42. مدیریت جریان داده (Data Flow)
• 43. مفاهیم Data Flow
• 44. ایجاد Data Flow
• 45. تبدیلات Data Flow (Source, Select, Filter)
• 46. تبدیلات Data Flow (Join, Aggregate, Derived Column)
• 47. تبدیلات Data Flow (Lookup, Conditional Split)
• 48. تبدیلات Data Flow (Sink)
• 49. بهینه‌سازی Data Flow
• 50. ادغام داده‌ها از منابع مختلف
• 51. پاکسازی و تبدیل داده‌ها
• 52. مهاجرت داده‌ها به Synapse
• 53. استراتژی‌های مهاجرت داده
• 54. ابزارهای مهاجرت داده
• 55. استفاده از Azure Data Factory برای مهاجرت
• 56. بارگذاری دسته‌ای داده (Batch Loading)
• 57. بارگذاری تدریجی داده (Incremental Loading)
• 58. یکپارچه‌سازی با Power BI
• 59. اتصال Power BI به Synapse
• 60. طراحی داشبوردهای تعاملی
• 61. تجسم داده‌ها در Power BI
• 62. گزارش‌دهی پیشرفته با Power BI
• 63. امنیت داده‌ها در Power BI
• 64. مدیریت دسترسی در Power BI
• 65. بهینه‌سازی عملکرد پرس‌وجوها
• 66. شناسایی گلوگاه‌های عملکرد
• 67. استفاده از نمایه‌های عملکرد (Execution Plans)
• 68. تنظیم پارامترهای سرور
• 69. مدیریت آمار جداول
• 70. استفاده از نمایه‌های بهینه
• 71. بهینه‌سازی طراحی جداول
• 72. حفظ و نگهداری مخزن داده
• 73. پشتیبان‌گیری و بازیابی در Synapse
• 74. بازیابی نقطه زمانی (Point-in-Time Restore)
• 75. مدیریت چرخه عمر داده
• 76. ملاحظات هزینه‌ای در Synapse
• 77. بهینه‌سازی هزینه‌ها
• 78. مقایسه هزینه‌های Dedicated و Serverless
• 79. مدیریت مصرف منابع
• 80. نظارت بر هزینه‌ها
• 81. امنیت در سطح ستون و ردیف
• 82. رول‌بیس سکیوریتی (Row-Level Security)
• 83. کالام‌لس سکیوریتی (Column-Level Security)
• 84. مدیریت رمزهای عبور و کلیدها
• 85. مانیتورینگ فعالیت‌های امنیتی
• 86. پروتکل‌های ارتباطی امن
• 87. یکپارچه‌سازی با Azure Active Directory
• 88. مدیریت دسترسی بر اساس نقش
• 89. بررسی لاگ‌های امنیتی
• 90. نکات پیشرفته در طراحی مخزن داده
• 91. مدل‌سازی ابعادی (Dimensional Modeling)
• 92. استار اسکما (Star Schema)
• 93. اسنیک‌فیک اسکما (Snowflake Schema)
• 94. مدیریت داده‌های حجیم (Big Data)
• 95. تحلیل داده‌های نیمه‌ساختاریافته
• 96. استفاده از پارکت و اورک (Parquet & ORC)
• 97. پردازش بلادرنگ (Real-time Processing)
• 98. مقدمات پردازش بلادرنگ در Synapse
• 99. یکپارچه‌سازی با Azure Stream Analytics
• 100. مقدمات یادگیری ماشین در Synapse