کتاب صوتی آشنایی با Amazon Timestream و کاربردهای آن در تحلیل داده‌های سری زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آشنایی با Amazon Timestream و کاربردهای آن در تحلیل داده‌های سری زمانی

موضوع کلی: فناوری اطلاعات و توسعه نرم‌افزار

موضوع میانی: مدیریت و تحلیل داده‌های کلان

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های سری زمانی
• 2. مفاهیم پایه‌ای Amazon Timestream
• 3. نصب و پیکربندی Timestream
• 4. ایجاد پایگاه داده در Timestream
• 5. تعریف جداول در Timestream
• 6. انواع داده در Timestream
• 7. نوشتن داده در Timestream
• 8. وارد کردن داده از فایل CSV
• 9. مدیریت داده‌ها در Timestream
• 10. پرس‌وجو از داده‌های Timestream
• 11. توابع تجمیعی در Timestream
• 12. توابع پنجره‌ای در Timestream
• 13. نمودارهای سری زمانی
• 14. تجسم داده در Timestream
• 15. بهینه‌سازی عملکرد Timestream
• 16. تنظیمات حافظه Timestream
• 17. مدیریت هزینه‌ها در Timestream
• 18. امنیت داده‌ها در Timestream
• 19. کنترل دسترسی در Timestream
• 20. یکپارچه‌سازی Timestream با سرویس‌های AWS
• 21. استفاده از Timestream با AWS Lambda
• 22. استفاده از Timestream با AWS Glue
• 23. استفاده از Timestream با Amazon Kinesis
• 24. کاربرد Timestream در اینترنت اشیاء (IoT)
• 25. تحلیل داده‌های سنسورها با Timestream
• 26. مانیتورینگ زیرساخت‌ها با Timestream
• 27. تحلیل داده‌های مالی با Timestream
• 28. تحلیل داده‌های ترافیک شبکه با Timestream
• 29. تحلیل داده‌های بهداشتی با Timestream
• 30. پیش‌بینی روندها با Timestream
• 31. شناسایی ناهنجاری‌ها با Timestream
• 32. مدل‌سازی داده‌های سری زمانی
• 33. تکنیک‌های پاکسازی داده
• 34. مدیریت مقادیر گمشده
• 35. نرمال‌سازی داده‌ها
• 36. استانداردسازی داده‌ها
• 37. تحلیل اکتشافی داده (EDA)
• 38. مفاهیم آماری پایه
• 39. توزیع داده‌ها
• 40. همبستگی داده‌ها
• 41. رگرسیون خطی ساده
• 42. رگرسیون خطی چندگانه
• 43. ارزیابی مدل‌های رگرسیون
• 44. مقدمه‌ای بر یادگیری ماشین
• 45. یادگیری نظارت شده
• 46. یادگیری بدون نظارت
• 47. مدل‌های طبقه‌بندی
• 48. مدل‌های خوشه‌بندی
• 49. مقدمه‌ای بر یادگیری عمیق
• 50. شبکه‌های عصبی کانولوشنی (CNN)
• 51. شبکه‌های عصبی بازگشتی (RNN)
• 52. شبکه‌های حافظه طولانی کوتاه (LSTM)
• 53. کاربرد LSTM در پیش‌بینی سری زمانی
• 54. مقدمه‌ای بر تحلیل داده‌های کلان
• 55. معماری Hadoop
• 56. سیستم فایل توزیع شده Hadoop (HDFS)
• 57. MapReduce
• 58. Spark
• 59. موتور پردازش Apache Spark
• 60. Spark SQL
• 61. Spark Streaming
• 62. GraphX
• 63. MLlib
• 64. مقدمه‌ای بر پایگاه داده‌های NoSQL
• 65. MongoDB
• 66. Cassandra
• 67. Redis
• 68. Neo4j
• 69. مزایای پایگاه داده‌های NoSQL
• 70. معایب پایگاه داده‌های NoSQL
• 71. مدیریت کلان داده با استفاده از سرویس‌های ابری
• 72. Amazon S3
• 73. Amazon EMR
• 74. Amazon Redshift
• 75. Amazon Kinesis Data Streams
• 76. Amazon Kinesis Data Firehose
• 77. Amazon Glue
• 78. Amazon Athena
• 79. Amazon QuickSight
• 80. مفاهیم حاکمیت داده
• 81. مدیریت کیفیت داده
• 82. امنیت داده‌ها در مقیاس کلان
• 83. حریم خصوصی داده‌ها
• 84. قوانین و مقررات داده‌ها
• 85. استانداردهای تبادل داده
• 86. مقدمه‌ای بر داده‌های جغرافیا مکانی
• 87. سیستم‌های اطلاعات جغرافیایی (GIS)
• 88. پردازش و تحلیل داده‌های مکانی
• 89. مدل‌سازی داده‌های مکانی
• 90. کاربرد داده‌های مکانی در تحلیل سری زمانی
• 91. تحلیل مکانی-زمانی
• 92. مقدمه‌ای بر اینترنت اشیاء (IoT)
• 93. معماری سیستم‌های IoT
• 94. جمع‌آوری داده از دستگاه‌های IoT
• 95. پردازش داده‌های IoT
• 96. امنیت در سیستم‌های IoT
• 97. کاربرد Timestream در تحلیل داده‌های IoT
• 98. مدل‌سازی داده‌های سری زمانی برای IoT
• 99. بهینه‌سازی مدل‌های سری زمانی
• 100. ارزیابی عملکرد مدل‌های سری زمانی