سپنتا کتاب اکسپرس
کتاب مهندسی داده در AWS: آموزش سرویس‌های کلیدی

کتاب مهندسی داده در AWS: آموزش سرویس‌های کلیدی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مهندسی داده در AWS: آموزش سرویس‌های کلیدی

موضوع کلی: برنامه نویسی

موضوع میانی: مهندسی داده (Data Engineering)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. معرفی مهندسی داده و نقش مهندس داده
  • 2. چرا AWS برای مهندسی داده؟ اکوسیستم و مزایا
  • 3. مفاهیم کلیدی رایانش ابری: IaaS, PaaS, SaaS
  • 4. آشنایی با کنسول مدیریت AWS، ریجن‌ها و Availability Zone ها
  • 5. مدیریت هویت و دسترسی (IAM): کاربران، گروه‌ها، نقش‌ها و پالیسی‌ها
  • 6. مقدمه‌ای بر شبکه در AWS: VPC، زیرشبکه‌ها و گروه‌های امنیتی
  • 7. آشنایی با AWS CLI و SDK: ابزارهای تعامل با AWS
  • 8. مفاهیم پایه داده: Data Lake، Data Warehouse، Data Mart
  • 9. مقایسه ETL، ELT و معماری‌های مدرن داده
  • 10. آشنایی با فرمت‌های داده رایج: CSV, JSON, Parquet, Avro, ORC
  • 11. Amazon S3: سنگ بنای Data Lake
  • 12. ساختار S3: باکت‌ها، اشیاء، پیشوندها و کلیدها
  • 13. کلاس‌های ذخیره‌سازی S3 و مدیریت چرخه حیات (Lifecycle Management)
  • 14. کنترل نسخه (Versioning) و امنیت در S3
  • 15. رویدادهای S3 (S3 Events) و کاربرد آن در پایپلاین‌های داده
  • 16. بهینه‌سازی عملکرد در S3: پارتیشن‌بندی و انتخاب فرمت
  • 17. Amazon RDS: پایگاه‌داده‌های رابطه‌ای مدیریت‌شده
  • 18. انتخاب انجین مناسب در RDS: PostgreSQL, MySQL, Aurora
  • 19. Read Replicas و Multi-AZ در RDS برای دسترس‌پذیری بالا
  • 20. Amazon DynamoDB: مفاهیم کلیدی NoSQL
  • 21. طراحی مدل داده در DynamoDB: کلیدهای پارتیشن و مرتب‌سازی
  • 22. Amazon Redshift: معرفی انبار داده ابری
  • 23. معماری Redshift: نودهای Leader و Compute
  • 24. Amazon Glacier: آرشیو داده‌های سرد
  • 25. مقایسه راه‌حل‌های ذخیره‌سازی داده در AWS
  • 26. معرفی AWS Glue: سرویس ETL سرورلس
  • 27. AWS Glue Data Catalog: متادیتای مرکزی
  • 28. استفاده از Glue Crawlers برای شناسایی خودکار اسکما
  • 29. ایجاد و اجرای اولین Glue ETL Job با PySpark
  • 30. اسکریپت‌نویسی پیشرفته در Glue: DynamicFrames و Transformations
  • 31. زمان‌بندی و مانیتورینگ Glue Jobs
  • 32. Glue Data Quality: تضمین کیفیت داده‌ها
  • 33. Glue Blueprints و Workflows برای ساخت پایپلاین‌های پیچیده
  • 34. معرفی Amazon EMR (Elastic MapReduce)
  • 35. معماری EMR: کلاسترها، نودهای Master, Core, Task
  • 36. اجرای جاب‌های Spark بر روی EMR
  • 37. تفاوت Glue و EMR: چه زمانی از کدام استفاده کنیم؟
  • 38. بهینه‌سازی هزینه‌ها در EMR با Spot Instances
  • 39. استفاده از EMR Serverless
  • 40. AWS Batch: اجرای وظایف پردازشی دسته‌ای در مقیاس
  • 41. Lambda برای پردازش‌های کوچک و مبتنی بر رویداد
  • 42. اتصال Lambda به S3 Events برای ETL ساده
  • 43. مدیریت وابستگی‌ها (Dependencies) در Lambda Layers
  • 44. مقایسه ابزارهای پردازش دسته‌ای: Glue, EMR, Lambda
  • 45. مفاهیم پردازش جریانی: Windowing, Watermarking
  • 46. معرفی خانواده Amazon Kinesis
  • 47. Amazon Kinesis Data Streams: دریافت و ذخیره داده‌های جریانی
  • 48. Shards و Throughput در Kinesis Data Streams
  • 49. Amazon Kinesis Data Firehose: بارگذاری داده‌های جریانی به مقصد
  • 50. تبدیل فرمت داده در Kinesis Data Firehose
  • 51. Amazon Kinesis Data Analytics برای تحلیل آنی داده‌ها
  • 52. نوشتن کوئری‌های SQL بر روی داده‌های جریانی
  • 53. یکپارچه‌سازی Kinesis با Lambda برای پردازش Real-time
  • 54. معرفی Amazon MSK (Managed Streaming for Apache Kafka)
  • 55. ساخت و مدیریت کلاستر MSK
  • 56. تفاوت Kinesis و MSK
  • 57. معماری Lambda برای پردازش جریانی: Event Source Mapping
  • 58. طراحی یک پایپلاین داده Real-time از ابتدا تا انتها
  • 59. چرا به ابزار ارکستراسیون نیاز داریم؟
  • 60. معرفی AWS Step Functions برای هماهنگ‌سازی میکروسرویس‌ها و توابع Lambda
  • 61. ساخت یک State Machine ساده در Step Functions
  • 62. الگوهای رایج در Step Functions: موازی‌سازی، انشعاب و مدیریت خطا
  • 63. یکپارچه‌سازی Step Functions با Glue و EMR
  • 64. معرفی Amazon MWAA (Managed Workflows for Apache Airflow)
  • 65. ساخت و مدیریت محیط Airflow در MWAA
  • 66. نوشتن DAGs برای پایپلاین‌های داده در MWAA
  • 67. مقایسه Step Functions و MWAA
  • 68. Amazon EventBridge: ساخت معماری‌های مبتنی بر رویداد (Event-driven)
  • 69. استفاده از EventBridge برای راه‌اندازی پایپلاین‌های داده
  • 70. Amazon Athena: کوئری سرورلس بر روی S3 Data Lake
  • 71. بهینه‌سازی عملکرد کوئری در Athena: پارتیشن‌بندی و فشرده‌سازی
  • 72. کار با داده‌های پیچیده (JSON, Structs) در Athena
  • 73. Redshift Spectrum: کوئری زدن بر روی S3 از داخل Redshift
  • 74. بارگذاری داده‌ها به Redshift: دستور COPY
  • 75. بهینه‌سازی عملکرد در Redshift: Distribution و Sort Keys
  • 76. Amazon QuickSight: هوش تجاری و مصورسازی داده
  • 77. ساخت داشبوردهای تعاملی در QuickSight
  • 78. اتصال QuickSight به منابع داده مختلف (S3, Redshift, RDS)
  • 79. Amazon OpenSearch Service (Elasticsearch سابق) برای تحلیل لاگ‌ها
  • 80. مدل مسئولیت مشترک (Shared Responsibility Model) در AWS
  • 81. رمزنگاری داده‌ها در حالت سکون (At Rest) با AWS KMS
  • 82. رمزنگاری داده‌ها در حین انتقال (In-Transit) با SSL/TLS
  • 83. پالیسی‌های IAM پیشرفته برای سرویس‌های داده
  • 84. استفاده از VPC Endpoints برای دسترسی امن به سرویس‌ها
  • 85. معرفی AWS Lake Formation برای ساخت و مدیریت Data Lake امن
  • 86. کنترل دسترسی به جداول و ستون‌ها با Lake Formation
  • 87. AWS CloudTrail: ردیابی تمام فراخوانی‌های API
  • 88. Amazon CloudWatch: مانیتورینگ، لاگ‌ها و آلارم‌ها
  • 89. مانیتورینگ عملکرد پایپلاین‌های داده با CloudWatch Metrics
  • 90. مدیریت هزینه‌ها: AWS Budgets و Cost Explorer
  • 91. زیرساخت به عنوان کد (IaC) با AWS CloudFormation
  • 92. تعریف یک پایپلاین داده ساده با CloudFormation
  • 93. استفاده از Terraform برای مدیریت زیرساخت داده
  • 94. CI/CD برای پایپلاین‌های داده با AWS CodePipeline و CodeBuild
  • 95. تست خودکار برای کدهای ETL
  • 96. مفهوم Data Mesh و پیاده‌سازی آن در AWS
  • 97. آشنایی با AWS Data Exchange برای استفاده از داده‌های شخص ثالث
  • 98. یکپارچه‌سازی مهندسی داده با یادگیری ماشین: نقش Amazon SageMaker
  • 99. مطالعه موردی: ساخت یک Data Lake مدرن در AWS
  • 100. مطالعه موردی: پیاده‌سازی یک پلتفرم تحلیل Real-time

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.