کتاب Google Cloud Platform: ساخت اپلیکیشن های تحلیل شبکه های اجتماعی

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 Google Cloud Platform: ساخت اپلیکیشن های تحلیل شبکه های اجتماعی

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه و مبانی**
  • 2. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 3. چرا Google Cloud Platform برای این کار مناسب است؟
  • 4. مروری بر معماری کلی یک اپلیکیشن تحلیل داده
  • 5. آشنایی با مفاهیم کلیدی Cloud Computing (IaaS, PaaS, SaaS)
  • 6. ساخت حساب کاربری GCP و آشنایی با Free Tier
  • 7. آشنایی با کنسول وب Google Cloud
  • 8. نصب و راه‌اندازی Google Cloud SDK (gcloud CLI)
  • 9. مفاهیم پایه پروژه‌ها، پوشه‌ها و سازمان‌ها در GCP
  • 10. مدیریت هویت و دسترسی (IAM): مفاهیم پایه
  • 11. نقش‌های اصلی IAM (Owner, Editor, Viewer)
  • 12. حساب‌های سرویس (Service Accounts) و کاربرد آنها
  • 13. مدیریت هزینه‌ها و بودجه‌بندی در GCP
  • 14. آشنایی با Cloud Shell و ویرایشگر کد داخلی
  • 15. تنظیمات اولیه محیط برنامه‌نویسی (Python و Virtual Environments)
  • 16. مقدمه‌ای بر APIهای شبکه‌های اجتماعی (مثال: Twitter API)
  • 17. جمع‌آوری و دریافت داده (Data Ingestion)**
  • 18. استراتژی‌های جمع‌آوری داده: Batch در مقابل Streaming
  • 19. معرفی Cloud Functions به عنوان سرویس Serverless
  • 20. نوشتن اولین Cloud Function برای فراخوانی API
  • 21. استفاده از Secret Manager برای ذخیره امن کلیدهای API
  • 22. زمان‌بندی اجرای توابع با Cloud Scheduler
  • 23. معرفی Cloud Pub/Sub: سیستم پیام‌رسانی غیرهمزمان
  • 24. طراحی یک پایپ‌لاین دریافت داده با Pub/Sub و Cloud Functions
  • 25. دریافت داده‌های زنده (Streaming) از شبکه‌های اجتماعی
  • 26. مدیریت خطا و تلاش مجدد در پایپ‌لاین دریافت داده
  • 27. فرمت‌های داده رایج (JSON, CSV) و نحوه کار با آنها
  • 28. ملاحظات مربوط به محدودیت‌های نرخ API (Rate Limiting)
  • 29. ایجاد یک تابع برای دریافت داده‌های تاریخی (Batch)
  • 30. ورود داده‌ها به سیستم با استفاده از Cloud Logging
  • 31. ذخیره‌سازی داده (Data Storage)**
  • 32. مقایسه گزینه‌های ذخیره‌سازی در GCP
  • 33. آشنایی با Google Cloud Storage برای داده‌های ساختارنیافته
  • 34. ساختاردهی Bucketها و مدیریت اشیاء (Objects)
  • 35. چرخه حیات داده‌ها در Cloud Storage (Storage Classes)
  • 36. معرفی BigQuery به عنوان انبار داده (Data Warehouse)
  • 37. ساختار BigQuery: Projects, Datasets, Tables
  • 38. طراحی اسکیمای جدول برای داده‌های شبکه‌های اجتماعی
  • 39. بارگذاری داده‌ها از Cloud Storage به BigQuery (Batch Load)
  • 40. بارگذاری داده‌های زنده در BigQuery (Streaming Inserts)
  • 41. مفاهیم پارتیشن‌بندی (Partitioning) جداول در BigQuery
  • 42. مفاهیم خوشه‌بندی (Clustering) جداول در BigQuery
  • 43. آشنایی با Firestore برای ذخیره‌سازی داده‌های NoSQL
  • 44. کاربردهای Firestore برای ذخیره متادیتا و داده‌های سریع‌التغییر
  • 45. مقایسه BigQuery و Firestore: چه زمانی از کدام استفاده کنیم؟
  • 46. پردازش و تبدیل داده (Data Processing & Transformation)**
  • 47. مفهوم ETL و ELT در تحلیل داده
  • 48. پاکسازی و پیش‌پردازش متن (Text Preprocessing)
  • 49. حذف نویز، نرمال‌سازی و توکنیزاسیون متن
  • 50. استفاده از SQL در BigQuery برای تبدیل داده‌ها
  • 51. نوشتن کوئری‌های پیچیده برای استخراج ویژگی‌ها
  • 52. توابع پنجره‌ای (Window Functions) در BigQuery
  • 53. معرفی Dataflow برای پردازش داده در مقیاس بزرگ
  • 54. مفاهیم Apache Beam: Pipeline, PCollection, PTransform
  • 55. ایجاد یک پایپ‌لاین Dataflow برای پردازش دسته‌ای داده‌ها
  • 56. ایجاد یک پایپ‌لاین Dataflow برای پردازش جریانی داده‌ها
  • 57. استفاده از Cloud Functions برای تبدیل‌های سبک و سریع
  • 58. معرفی Dataproc برای بارهای کاری مبتنی بر Spark و Hadoop
  • 59. مقایسه Dataflow، Dataproc و Cloud Functions برای پردازش داده
  • 60. تحلیل داده و یادگیری ماشین (Analytics & Machine Learning)**
  • 61. مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
  • 62. استفاده از Vertex AI Natural Language API برای تحلیل احساسات
  • 63. استخراج موجودیت‌ها (Entity Extraction) از متن
  • 64. دسته‌بندی محتوا با Natural Language API
  • 65. معرفی BigQuery ML: یادگیری ماشین با استفاده از SQL
  • 66. ساخت مدل تحلیل احساسات با BigQuery ML
  • 67. ارزیابی عملکرد مدل‌های BigQuery ML
  • 68. مقدمه‌ای بر مدل‌سازی موضوعی (Topic Modeling)
  • 69. شناسایی ترندها و موضوعات داغ در داده‌ها
  • 70. تحلیل شبکه: شناسایی کاربران تأثیرگذار (Influencers)
  • 71. ایجاد گراف روابط بین کاربران در BigQuery
  • 72. معرفی Vertex AI Platform برای ساخت مدل‌های سفارشی
  • 73. آماده‌سازی مجموعه داده برای آموزش مدل سفارشی
  • 74. آموزش یک مدل طبقه‌بندی متن سفارشی با AutoML Text
  • 75. استقرار (Deploy) مدل آموزش‌دیده روی یک Endpoint
  • 76. فراخوانی مدل مستقر شده برای پیش‌بینی‌های آنلاین
  • 77. پردازش دسته‌ای با مدل‌های Vertex AI
  • 78. مقدمه‌ای بر پیش‌بینی سری‌های زمانی برای تحلیل ترندها
  • 79. مصورسازی و ارائه نتایج (Visualization & Reporting)**
  • 80. مقدمه‌ای بر Looker Studio (سابقاً Data Studio)
  • 81. اتصال Looker Studio به BigQuery
  • 82. ساخت اولین داشبورد تحلیلی
  • 83. انواع نمودارها و کاربرد آنها در تحلیل شبکه‌های اجتماعی
  • 84. ایجاد نمودارهای سری زمانی برای نمایش ترندها
  • 85. مصورسازی داده‌های جغرافیایی روی نقشه
  • 86. ساخت نمودار میله‌ای برای نمایش توزیع احساسات
  • 87. ایجاد فیلترها و کنترل‌های تعاملی در داشبورد
  • 88. محاسبه و ایجاد فیلدهای جدید (Calculated Fields)
  • 89. اشتراک‌گذاری و تعبیه (Embedding) داشبوردها
  • 90. تنظیم به‌روزرسانی خودکار داده‌ها در داشبورد
  • 91. معماری، استقرار و مدیریت (Architecture, Deployment & Operations)**
  • 92. طراحی معماری Serverless سرتاسری برای پروژه
  • 93. مقدمه‌ای بر زیرساخت به عنوان کد (IaC) با Terraform
  • 94. مدیریت وابستگی‌های پروژه با Cloud Build
  • 95. ایجاد یک پایپ‌لاین CI/CD ساده برای Cloud Functions
  • 96. نظارت بر عملکرد اپلیکیشن با Cloud Monitoring
  • 97. ایجاد داشبوردهای نظارتی و هشدارهای سفارشی
  • 98. جستجو و تحلیل لاگ‌ها با Cloud Logging
  • 99. بهترین شیوه‌های امنیتی: اصل حداقل دسترسی (Least Privilege)
  • 100. مدیریت هزینه‌ها و بهینه‌سازی معماری برای کاهش هزینه‌ها

📚 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.