کتاب صوتی مبانی تحلیل داده در محیط ابری AWS

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تحلیل داده در محیط ابری AWS

موضوع کلی: فناوری اطلاعات و هوش مصنوعی

موضوع میانی: تحلیل داده و پردازش ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مفاهیم کلیدی تحلیل داده
• 2. انواع داده‌های ساختاریافته و غیرساختاریافته
• 3. اصول طراحی پایگاه داده رابطه‌ای
• 4. مفهوم پایگاه داده NoSQL
• 5. معماری خدمات ابری AWS برای تحلیل داده
• 6. آشنایی با Amazon S3 برای ذخیره‌سازی داده
• 7. مدیریت داده در Amazon S3
• 8. مفاهیم داده‌های جریانی (Streaming Data)
• 9. معرفی Amazon Kinesis Data Streams
• 10. پردازش داده‌های جریانی با Kinesis Data Streams
• 11. آشنایی با Amazon EMR
• 12. کار با Apache Spark در EMR
• 13. بهینه‌سازی پردازش داده با Apache Spark
• 14. مقدمه‌ای بر پردازش دسته‌ای (Batch Processing)
• 15. Amazon Glue برای ETL (Extract, Transform, Load)
• 16. طراحی جریان‌های کاری ETL با Glue
• 17. مفاهیم انبار داده (Data Warehousing)
• 18. معرفی Amazon Redshift
• 19. طراحی اسکیمای انبار داده در Redshift
• 20. بهینه‌سازی کوئری در Amazon Redshift
• 21. تجسم داده‌ها و داشبوردهای مدیریتی
• 22. معرفی Amazon QuickSight
• 23. ساخت داشبوردهای تعاملی در QuickSight
• 24. اصول تحلیل داده‌های مکانی
• 25. کار با داده‌های مکانی در AWS
• 26. معرفی Amazon Athena
• 27. اجرای کوئری بر روی داده‌های S3 با Athena
• 28. مفاهیم یادگیری ماشین (Machine Learning)
• 29. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
• 30. Amazon SageMaker برای ساخت مدل‌های ML
• 31. آموزش مدل‌های یادگیری ماشین با SageMaker
• 32. ارزیابی و تنظیم مدل‌های ML
• 33. استقرار مدل‌های ML در SageMaker
• 34. مفاهیم پردازش زبان طبیعی (NLP)
• 35. کاربرد NLP در تحلیل داده
• 36. Amazon Comprehend برای تحلیل متن
• 37. استفاده از Comprehend برای استخراج اطلاعات
• 38. معرفی Amazon Rekognition برای تحلیل تصویر
• 39. کاربرد Rekognition در شناسایی اشیاء
• 40. مفاهیم کلان داده (Big Data)
• 41. استراتژی‌های مدیریت کلان داده
• 42. امنیت در تحلیل داده‌های ابری
• 43. اصول حفاظت از داده‌ها در AWS
• 44. مدیریت دسترسی و هویت (IAM)
• 45. رمزنگاری داده‌ها در حالت سکون و در حال انتقال
• 46. حاکمیت داده (Data Governance)
• 47. خط مشی‌های حفظ و نگهداری داده
• 48. مفاهیم مهندسی داده (Data Engineering)
• 49. طراحی خطوط لوله داده (Data Pipelines)
• 50. ابزارهای ارکستراسیون خطوط لوله داده
• 51. مدیریت پیکربندی در محیط ابری
• 52. پایش و لاگ‌گیری در خدمات AWS
• 53. بهینه‌سازی هزینه در خدمات تحلیل داده
• 54. تکنیک‌های کاهش هزینه ذخیره‌سازی
• 55. بهینه‌سازی هزینه پردازش داده
• 56. استفاده بهینه از منابع محاسباتی
• 57. اصول طراحی سیستم‌های تحلیل داده مقیاس‌پذیر
• 58. معماری‌های مدرن تحلیل داده
• 59. پردازش داده‌های بلادرنگ (Real-time Data Processing)
• 60. مقایسه Kinesis Data Streams و Kafka
• 61. استفاده از AWS Lambda برای پردازش رویداد
• 62. معرفی Amazon DynamoDB برای پایگاه داده NoSQL
• 63. طراحی پایگاه داده NoSQL با DynamoDB
• 64. کاربرد DynamoDB در سناریوهای تحلیل داده
• 65. مفاهیم داده‌کاوی (Data Mining)
• 66. تکنیک‌های کشف الگو در داده‌ها
• 67. تحلیل سری‌های زمانی (Time Series Analysis)
• 68. استفاده از داده‌های سری زمانی در AWS
• 69. معرفی Amazon Forecast
• 70. پیش‌بینی با استفاده از Amazon Forecast
• 71. مفاهیم یادگیری تقویتی (Reinforcement Learning)
• 72. کاربرد یادگیری تقویتی در تحلیل داده
• 73. مقدمه‌ای بر هوش مصنوعی مولد (Generative AI)
• 74. کاربردهای هوش مصنوعی مولد در تحلیل داده
• 75. اخلاق در هوش مصنوعی و تحلیل داده
• 76. مسئولیت‌پذیری در استفاده از داده‌ها
• 77. سوگیری در داده‌ها و الگوریتم‌ها
• 78. تکنیک‌های کاهش سوگیری
• 79. حریم خصوصی داده‌ها در عصر دیجیتال
• 80. قوانین و مقررات حفاظت از داده‌ها
• 81. تحلیل داده برای بهبود تجربه مشتری
• 82. شخصی‌سازی خدمات با استفاده از تحلیل داده
• 83. کاربرد تحلیل داده در بهینه‌سازی عملیات
• 84. پیش‌بینی نیازهای بازار
• 85. تحلیل داده برای نوآوری محصول
• 86. مقدمه‌ای بر تحلیل داده‌های شبکه‌های اجتماعی
• 87. استخراج بینش از داده‌های شبکه‌های اجتماعی
• 88. تحلیل داده در حوزه سلامت
• 89. کاربرد تحلیل داده در صنعت مالی
• 90. تحلیل داده برای شناسایی تقلب
• 91. مفاهیم داده‌های بزرگ در عمل
• 92. مطالعات موردی تحلیل داده در صنایع مختلف
• 93. آینده تحلیل داده و هوش مصنوعی
• 94. روندها و نوآوری‌های آتی
• 95. مباحث پیشرفته در پردازش داده‌های جریانی
• 96. تکنیک‌های پیشرفته در انبار داده
• 97. بهینه‌سازی عملکرد در Amazon Redshift
• 98. استفاده از ابزارهای متن‌باز در تحلیل داده ابری
• 99. همکاری تیمی در پروژه‌های تحلیل داده
• 100. مدیریت چرخه عمر داده