کتاب صوتی طراحی و پیاده‌سازی خطوط پردازش دسته‌ای در رایانش ابری با Data Fusion

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی خطوط پردازش دسته‌ای در رایانش ابری با Data Fusion

موضوع کلی: فناوری اطلاعات و پردازش داده

موضوع میانی: مهندسی داده و ابزارهای ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش داده در رایانش ابری
• 2. مفاهیم بنیادی خطوط پردازش دسته‌ای
• 3. معرفی Google Cloud Data Fusion
• 4. معماری Data Fusion و اجزای کلیدی
• 5. نصب و پیکربندی اولیه Data Fusion
• 6. شناخت منابع داده و اتصالات
• 7. اتصال به پایگاه‌های داده رابطه‌ای
• 8. اتصال به ذخیره‌سازی اشیاء ابری
• 9. اتصال به منابع داده جریانی
• 10. مقدمه‌ای بر پلاگین‌ها در Data Fusion
• 11. طراحی اولین خط لوله پردازش دسته‌ای
• 12. استفاده از پلاگین‌های تبدیل داده
• 13. پلاگین‌های فیلترینگ و پاکسازی داده
• 14. پلاگین‌های تجمیع و خلاصه‌سازی داده
• 15. پلاگین‌های ادغام و پیوستن داده
• 16. پلاگین‌های مرتب‌سازی و دسته‌بندی داده
• 17. مدیریت داده‌های نامعتبر و خطاها
• 18. تکنیک‌های اعتبارسنجی داده در خطوط لوله
• 19. مدیریت خطاهای خطوط لوله پردازش
• 20. ثبت وقایع و نظارت بر اجرای خطوط لوله
• 21. پیکربندی پارامترها در خطوط لوله
• 22. استفاده از متغیرها در خطوط لوله
• 23. زمان‌بندی اجرای خطوط لوله
• 24. مقدمه‌ای بر Orchestration در Data Fusion
• 25. استفاده از Cloud Composer برای Orchestration
• 26. طراحی خطوط لوله پیچیده با چندین مرحله
• 27. استفاده از پلاگین‌های سفارشی
• 28. توسعه پلاگین‌های سفارشی در Data Fusion
• 29. ملاحظات امنیتی در Data Fusion
• 30. مدیریت دسترسی و مجوزها
• 31. رمزنگاری داده‌ها در Data Fusion
• 32. پیکربندی شبکه برای Data Fusion
• 33. بهینه‌سازی عملکرد خطوط لوله
• 34. تکنیک‌های بهینه‌سازی در سطح پلاگین
• 35. بهینه‌سازی استفاده از منابع ابری
• 36. مدیریت هزینه‌ها در Data Fusion
• 37. مقدمه‌ای بر پردازش داده‌های حجیم (Big Data)
• 38. معماری‌های پردازش داده توزیع‌شده
• 39. مقایسه Data Fusion با سایر ابزارهای پردازش داده
• 40. کاربرد Data Fusion در تحلیل داده‌های کسب‌وکار
• 41. کاربرد Data Fusion در هوش تجاری (BI)
• 42. کاربرد Data Fusion در یادگیری ماشین
• 43. مقدمه‌ای بر مهندسی داده در محیط ابری
• 44. اصول طراحی مخازن داده (Data Warehouses)
• 45. اصول طراحی دریاچه‌های داده (Data Lakes)
• 46. مفهوم Data Lakehouse
• 47. استفاده از BigQuery برای ذخیره‌سازی و تحلیل
• 48. اتصال Data Fusion به BigQuery
• 49. پردازش داده‌های ناهمگون (Heterogeneous)
• 50. مدیریت کیفیت داده (Data Quality Management)
• 51. ابزارهای مدیریت کیفیت داده
• 52. اصول حاکمیت داده (Data Governance)
• 53. پیاده‌سازی حاکمیت داده با Data Fusion
• 54. مقدمه‌ای بر داده‌های مکانی (Geospatial Data)
• 55. پردازش داده‌های مکانی در Data Fusion
• 56. مقدمه‌ای بر داده‌های سری زمانی (Time Series Data)
• 57. پردازش داده‌های سری زمانی در Data Fusion
• 58. کاربرد Data Fusion در اتوماسیون فرآیندهای کسب‌وکار
• 59. مقدمه‌ای بر اینترنت اشیاء (IoT) و داده‌های آن
• 60. پردازش داده‌های IoT در Data Fusion
• 61. مقدمه‌ای بر داده‌های متنی (Text Data)
• 62. پردازش داده‌های متنی در Data Fusion
• 63. مقدمه‌ای بر داده‌های تصویری (Image Data)
• 64. پردازش داده‌های تصویری در Data Fusion
• 65. مقدمه‌ای بر داده‌های گراف (Graph Data)
• 66. پردازش داده‌های گراف در Data Fusion
• 67. مقدمه‌ای بر داده‌های صوتی (Audio Data)
• 68. پردازش داده‌های صوتی در Data Fusion
• 69. مقدمه‌ای بر داده‌های ویدیویی (Video Data)
• 70. پردازش داده‌های ویدیویی در Data Fusion
• 71. مقدمه‌ای بر داده‌های سنسور (Sensor Data)
• 72. پردازش داده‌های سنسور در Data Fusion
• 73. مقدمه‌ای بر داده‌های مالی (Financial Data)
• 74. پردازش داده‌های مالی در Data Fusion
• 75. مقدمه‌ای بر داده‌های پزشکی (Medical Data)
• 76. پردازش داده‌های پزشکی در Data Fusion
• 77. مقدمه‌ای بر داده‌های دولتی (Government Data)
• 78. پردازش داده‌های دولتی در Data Fusion
• 79. مقدمه‌ای بر داده‌های علمی (Scientific Data)
• 80. پردازش داده‌های علمی در Data Fusion
• 81. مقدمه‌ای بر داده‌های شبکه‌های اجتماعی (Social Media Data)
• 82. پردازش داده‌های شبکه‌های اجتماعی در Data Fusion
• 83. مقدمه‌ای بر داده‌های تراکنشی (Transactional Data)
• 84. پردازش داده‌های تراکنشی در Data Fusion
• 85. مقدمه‌ای بر معماری داده‌های توزیع‌شده
• 86. مفاهیم کلیدی در مهندسی داده
• 87. طراحی معماری‌های داده مدرن
• 88. نقش Data Fusion در اکوسیستم داده ابری
• 89. مدیریت چرخه عمر داده (Data Lifecycle Management)
• 90. ملاحظات اخلاقی در پردازش داده
• 91. حفظ حریم خصوصی داده‌ها
• 92. قوانین و مقررات مرتبط با داده‌ها در ایران
• 93. پروتکل‌های امنیتی در انتقال داده
• 94. استانداردهای داده در صنعت
• 95. آینده پردازش داده در رایانش ابری
• 96. روندهای نوظهور در مهندسی داده
• 97. چالش‌های پیاده‌سازی خطوط پردازش داده
• 98. بهترین شیوه‌ها در طراحی خطوط لوله
• 99. مطالعات موردی (Case Studies) موفق Data Fusion
• 100. آینده Data Fusion و ابزارهای مشابه