کتاب صوتی ایجاد و اسکریپت‌نویسی زیرساخت در AWS برای مهندسان یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ایجاد و اسکریپت‌نویسی زیرساخت در AWS برای مهندسان یادگیری ماشین

موضوع کلی: مهندسی نرم‌افزار و زیرساخت ابری

موضوع میانی: مدیریت و خودکارسازی زیرساخت ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مهندسی نرم‌افزار و زیرساخت ابری
• 2. مبانی زیرساخت ابری در AWS
• 3. معرفی AWS و خدمات کلیدی آن
• 4. معماری ابری و اصول طراحی آن
• 5. اصول مدیریت زیرساخت ابری
• 6. پایگاه‌های داده در AWS برای یادگیری ماشین
• 7. ذخیره‌سازی داده‌ها در AWS
• 8. شبکه‌سازی در AWS
• 9. مدیریت هویت و دسترسی (IAM) در AWS
• 10. اتوماسیون زیرساخت با ابزارها
• 11. مفاهیم زیرساخت به عنوان کد (IaC)
• 12. ابزارهای IaC و معرفی آن‌ها
• 13. AWS CloudFormation: مقدمه و اصول
• 14. ایجاد منابع با CloudFormation
• 15. مدیریت Stack در CloudFormation
• 16. استفاده از الگوها (Templates) در CloudFormation
• 17. AWS Systems Manager: مقدمه و کاربردها
• 18. مدیریت پیکربندی با Systems Manager
• 19. اجرای دستورات از راه دور با Systems Manager
• 20. پچ کردن سیستم‌ها با Systems Manager
• 21. نظارت و لاگ‌برداری در AWS
• 22. Amazon CloudWatch: مقدمه و اصول
• 23. مانیتورینگ منابع با CloudWatch
• 24. تنظیم آلارم‌ها در CloudWatch
• 25. جمع‌آوری و تحلیل لاگ‌ها با CloudWatch Logs
• 26. AWS CloudTrail: ثبت فعالیت‌ها
• 27. نظارت بر دسترسی‌ها با CloudTrail
• 28. امنیت و انطباق با CloudTrail
• 29. مفاهیم کانتینرسازی
• 30. Docker: مقدمه و اصول
• 31. نصب و راه‌اندازی Docker
• 32. ساخت Dockerfile
• 33. مدیریت ایمیج‌ها و کانتینرها
• 34. Docker Compose: مقدمه و کاربردها
• 35. تعریف و اجرای سرویس‌ها با Docker Compose
• 36. شبکه‌سازی کانتینرها
• 37. AWS Elastic Container Service (ECS): مقدمه
• 38. استقرار برنامه‌ها با ECS
• 39. مدیریت وظایف (Tasks) در ECS
• 40. شبکه‌بندی در ECS
• 41. AWS Elastic Kubernetes Service (EKS): مقدمه
• 42. ایجاد کلاستر EKS
• 43. استقرار برنامه‌ها در EKS
• 44. مدیریت منابع در EKS
• 45. AWS Lambda: مقدمه و اصول
• 46. نوشتن و استقرار توابع Lambda
• 47. اتصال Lambda به سرویس‌های دیگر
• 48. استفاده از Lambda برای اتوماسیون
• 49. AWS Step Functions: مقدمه و کاربردها
• 50. طراحی Workflows با Step Functions
• 51. مدیریت وضعیت در Workflows
• 52. اتصال Step Functions به Lambda و ECS
• 53. مفاهیم CI/CD در AWS
• 54. AWS CodeCommit: مدیریت کد منبع
• 55. AWS CodeBuild: ساخت و تست کد
• 56. AWS CodeDeploy: استقرار برنامه‌ها
• 57. AWS CodePipeline: اتوماسیون فرآیندهای CI/CD
• 58. ایجاد پایپ‌لاین CI/CD برای برنامه‌های یادگیری ماشین
• 59. استقرار مدل‌های یادگیری ماشین در AWS
• 60. مدیریت زیرساخت برای آموزش مدل‌ها
• 61. مدیریت زیرساخت برای استنتاج مدل‌ها
• 62. نظارت بر عملکرد مدل‌ها در محیط ابری
• 63. مدیریت دسترسی‌ها و نقش‌ها برای تیم‌های ML
• 64. اصول طراحی معماری‌های مقیاس‌پذیر
• 65. امنیت داده‌ها در چرخه حیات یادگیری ماشین
• 66. استفاده از AWS Secrets Manager برای مدیریت اسرار
• 67. مدیریت گواهی‌نامه‌ها در AWS
• 68. اصول DevOps در مهندسی یادگیری ماشین
• 69. اتوماسیون استقرار مدل‌های ML
• 70. مدیریت نسخه‌های مدل‌ها
• 71. نظارت و هشداردهی برای خطاهای مدل
• 72. استفاده از AWS Systems Manager Parameter Store
• 73. مدیریت پیکربندی برنامه‌های ML
• 74. تست زیرساخت ابری برای برنامه‌های ML
• 75. مستندسازی زیرساخت ابری
• 76. بهترین روش‌ها در ایجاد و مدیریت زیرساخت ابری
• 77. استفاده از AWS Well-Architected Framework
• 78. انطباق زیرساخت ابری با الزامات امنیتی
• 79. اصول مدیریت بحران و بازیابی در AWS
• 80. نظارت پیشرفته بر زیرساخت ابری
• 81. تجزیه و تحلیل لاگ‌ها برای رفع اشکال
• 82. استفاده از AWS Config برای مدیریت انطباق
• 83. نظارت بر هزینه‌ها با AWS Budgets
• 84. استفاده از AWS Service Catalog
• 85. ایجاد کاتالوگ خدمات برای تیم‌های ML
• 86. مدیریت دسترسی به کاتالوگ خدمات
• 87. اتوماسیون استقرار منابع با AWS Service Catalog
• 88. تمرین عملی: ایجاد زیرساخت برای یک پروژه ML ساده
• 89. تمرین عملی: اتوماسیون استقرار یک مدل ML
• 90. تمرین عملی: پیاده‌سازی CI/CD برای یک برنامه ML