کتاب صوتی اصول و ابزارهای پردازش داده در Google Cloud برای متخصصان داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و ابزارهای پردازش داده در Google Cloud برای متخصصان داده

موضوع کلی: فناوری اطلاعات و خدمات ابری

موضوع میانی: مدیریت و تحلیل داده در محیط ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش داده در محیط ابری
• 2. مفاهیم کلیدی خدمات ابری برای داده
• 3. آشنایی با Google Cloud Platform (GCP)
• 4. معرفی ابزارهای مدیریت داده در GCP
• 5. اصول ذخیره‌سازی داده در GCP
• 6. انواع ذخیره‌سازی داده در GCP
• 7. Google Cloud Storage: مفاهیم و کاربردها
• 8. مدیریت دسترسی و امنیت در Cloud Storage
• 9. انتقال داده به و از Cloud Storage
• 10. معرفی BigQuery: انبار داده ابری GCP
• 11. طراحی اسکیمای BigQuery
• 12. پرس‌وجو در BigQuery با SQL
• 13. بهینه‌سازی عملکرد و هزینه در BigQuery
• 14. تجسم داده در BigQuery با Looker Studio
• 15. مقدمه‌ای بر پردازش داده‌های جریانی
• 16. Dataflow: ابزار پردازش جریانی GCP
• 17. مفاهیم پردازش دسته‌ای (Batch Processing)
• 18. Dataproc: کلاستر Hadoop و Spark در GCP
• 19. استفاده از Spark برای پردازش داده در Dataproc
• 20. پردازش داده با استفاده از Cloud Functions
• 21. Serverless Computing برای پردازش داده
• 22. معرفی Cloud Run برای پردازش داده
• 23. مدیریت و مانیتورینگ داده در GCP
• 24. امنیت داده در محیط ابری
• 25. اصول حاکمیت داده (Data Governance)
• 26. مدیریت چرخه عمر داده
• 27. مقدمه‌ای بر تحلیل داده‌های بزرگ (Big Data Analytics)
• 28. تکنیک‌های پاکسازی و آماده‌سازی داده
• 29. استخراج ویژگی (Feature Engineering)
• 30. مقدمه‌ای بر یادگیری ماشین در GCP
• 31. استفاده از Vertex AI برای مدل‌سازی
• 32. آموزش مدل‌های یادگیری ماشین در Vertex AI
• 33. ارزیابی و استقرار مدل‌های ML
• 34. پردازش زبان طبیعی (NLP) در GCP
• 35. ابزارهای NLP در Vertex AI
• 36. پردازش تصویر در GCP
• 37. استفاده از Vision AI برای تحلیل تصویر
• 38. معرفی ابزارهای هوش تجاری (BI) در GCP
• 39. Looker: پلتفرم هوش تجاری GCP
• 40. طراحی داشبوردهای BI با Looker
• 41. تحلیل داده‌های مکانی در GCP
• 42. معرفی ابزارهای داده‌کاوی در GCP
• 43. مفاهیم داده‌کاوی و الگوریتم‌های مرتبط
• 44. استفاده از AutoML برای داده‌کاوی
• 45. مقدمه‌ای بر معماری داده مدرن
• 46. طراحی معماری داده برای مقیاس‌پذیری
• 47. مدیریت داده‌های حجیم و متنوع
• 48. امنیت و انطباق در معماری داده
• 49. ملاحظات هزینه‌ای در خدمات داده GCP
• 50. بهینه‌سازی هزینه در خدمات ذخیره‌سازی
• 51. بهینه‌سازی هزینه در محاسبات پردازش داده
• 52. مدیریت بودجه و هزینه‌ها در GCP
• 53. مقدمه‌ای بر امنیت سایبری در GCP
• 54. اصول امن‌سازی زیرساخت داده
• 55. مدیریت هویت و دسترسی (IAM) در GCP
• 56. رمزنگاری داده در حالت استراحت و در حال انتقال
• 57. پروتکل‌های امنیتی شبکه در GCP
• 58. مانیتورینگ امنیتی و تشخیص تهدیدات
• 59. مدیریت لاگ‌ها و رویدادهای امنیتی
• 60. برنامه‌ریزی بازیابی از فاجعه (Disaster Recovery)
• 61. ایجاد پشتیبان و بازیابی داده‌ها
• 62. تست برنامه‌های بازیابی از فاجعه
• 63. مقدمه‌ای بر اتوماسیون در پردازش داده
• 64. استفاده از Cloud Scheduler برای زمان‌بندی وظایف
• 65. اتوماسیون گردش کار با Cloud Workflows
• 66. مدیریت پیکربندی با Deployment Manager
• 67. اصول DevOps برای تیم‌های داده
• 68. مقدمه‌ای بر DataOps
• 69. تست خودکار در پایپ‌لاین‌های داده
• 70. استقرار مداوم (Continuous Deployment)
• 71. مدیریت تغییرات و نسخه‌بندی داده
• 72. مقدمه‌ای بر اخلاق در داده و هوش مصنوعی
• 73. سوگیری در داده‌ها و مدل‌های ML
• 74. حفظ حریم خصوصی داده‌ها
• 75. مسئولیت‌پذیری در استفاده از هوش مصنوعی
• 76. قوانین و مقررات مربوط به داده در ایران
• 77. حفظ امنیت اطلاعات در چارچوب قوانین
• 78. اصول حفظ داده‌های حساس
• 79. مقدمه‌ای بر استراتژی‌های مهاجرت داده به ابر
• 80. برنامه‌ریزی برای مهاجرت داده
• 81. انتخاب ابزارهای مناسب برای مهاجرت
• 82. اجرای موفقیت‌آمیز مهاجرت داده
• 83. ارزیابی پس از مهاجرت
• 84. مقدمه‌ای بر تحلیل داده‌های شبکه‌های اجتماعی
• 85. استخراج و پردازش داده از شبکه‌های اجتماعی
• 86. تحلیل احساسات (Sentiment Analysis)
• 87. کاربرد تحلیل داده در کسب‌وکار
• 88. تصمیم‌گیری مبتنی بر داده
• 89. شاخص‌های کلیدی عملکرد (KPI)
• 90. تحلیل روند و پیش‌بینی
• 91. مقدمه‌ای بر اینترنت اشیاء (IoT) و داده‌های آن
• 92. جمع‌آوری و پردازش داده‌های IoT در GCP
• 93. تحلیل داده‌های دستگاه‌های IoT
• 94. امنیت در داده‌های IoT
• 95. مقدمه‌ای بر داده‌های مکانی و مکانی-زمانی
• 96. ابزارهای تحلیل داده‌های مکانی در GCP
• 97. کاربرد داده‌های مکانی در برنامه‌ریزی شهری
• 98. مدیریت و تحلیل داده‌های سری زمانی
• 99. استفاده از BigQuery ML برای سری زمانی
• 100. معرفی ابزارهای داده‌کاوی پیشرفته