سپنتا کتاب اکسپرس
کتاب طراحی و پیاده‌سازی انباره داده در Microsoft Azure

کتاب طراحی و پیاده‌سازی انباره داده در Microsoft Azure

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی انباره داده در Microsoft Azure

موضوع کلی: فناوری اطلاعات و علوم داده

موضوع میانی: تحلیل داده و هوش تجاری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر انباره داده و تحلیل داده
  • 2. مفاهیم کلیدی تحلیل داده
  • 3. نقش هوش تجاری در سازمان‌ها
  • 4. مبانی طراحی انباره داده
  • 5. معماری‌های انباره داده مدرن
  • 6. انواع انباره داده (Data Warehouse, Data Lake, Lakehouse)
  • 7. مزایای استفاده از انباره داده
  • 8. چالش‌های پیاده‌سازی انباره داده
  • 9. مقدمه‌ای بر Microsoft Azure برای داده
  • 10. خدمات Azure برای انباره داده
  • 11. Azure Synapse Analytics: معرفی
  • 12. طراحی لایه‌های انباره داده در Azure
  • 13. لایه ورود داده (Ingestion Layer)
  • 14. لایه ذخیره‌سازی (Storage Layer)
  • 15. لایه تبدیل (Transformation Layer)
  • 16. لایه ارائه (Presentation Layer)
  • 17. مدل‌سازی داده برای انباره داده (Dimensional Modeling)
  • 18. مدل ستاره‌ای (Star Schema)
  • 19. مدل برف‌دانه‌ای (Snowflake Schema)
  • 20. انتخاب بهترین مدل‌سازی برای سناریوهای مختلف
  • 21. مقدمه‌ای بر ETL و ELT
  • 22. ابزارهای ETL/ELT در Azure
  • 23. Azure Data Factory: معرفی و قابلیت‌ها
  • 24. طراحی پایپ‌لاین‌های ETL/ELT در Azure Data Factory
  • 25. اتصال به منابع داده مختلف در Azure Data Factory
  • 26. تبدیل داده با Azure Data Factory
  • 27. بارگذاری داده در انباره داده با Azure Data Factory
  • 28. استفاده از Azure Databricks برای تبدیل داده
  • 29. معرفی Apache Spark و کاربرد آن در داده
  • 30. Spark SQL برای تحلیل داده
  • 31. Spark Streaming برای داده‌های زنده
  • 32. بهینه‌سازی تبدیل داده با Azure Databricks
  • 33. ذخیره‌سازی داده در Azure
  • 34. Azure Data Lake Storage Gen2
  • 35. Azure Blob Storage
  • 36. انتخاب مناسب‌ترین سرویس ذخیره‌سازی
  • 37. فرمت‌های فایل در انباره داده (Parquet, Delta Lake)
  • 38. مزایای فرمت Parquet
  • 39. مزایای فرمت Delta Lake
  • 40. انتخاب فرمت فایل مناسب
  • 41. موتورهای کوئری برای انباره داده
  • 42. Azure Synapse Analytics SQL Pools
  • 43. Azure Databricks SQL Analytics
  • 44. مقایسه موتورهای کوئری
  • 45. بهینه‌سازی کوئری در Azure Synapse Analytics
  • 46. ایندکس‌گذاری (Indexing)
  • 47. پارتیشن‌بندی (Partitioning)
  • 48. کش کردن (Caching)
  • 49. طراحی داشبوردهای هوش تجاری
  • 50. معرفی Microsoft Power BI
  • 51. اتصال Power BI به انباره داده Azure
  • 52. ساخت گزارش‌های تعاملی در Power BI
  • 53. طراحی داشبوردهای مدیریتی
  • 54. شاخص‌های کلیدی عملکرد (KPIs)
  • 55. تجسم داده (Data Visualization)
  • 56. اصول طراحی تجسم داده موثر
  • 57. انتخاب نمودار مناسب برای داده‌ها
  • 58. تحلیل داده‌های سری زمانی
  • 59. تحلیل داده‌های مکانی
  • 60. تحلیل احساسات (Sentiment Analysis)
  • 61. یادگیری ماشین در تحلیل داده
  • 62. مقدمه‌ای بر یادگیری ماشین
  • 63. الگوریتم‌های رایج یادگیری ماشین
  • 64. پیاده‌سازی مدل‌های یادگیری ماشین در Azure
  • 65. Azure Machine Learning Studio
  • 66. استفاده از Spark MLlib برای یادگیری ماشین
  • 67. پیش‌بینی (Forecasting)
  • 68. دسته‌بندی (Classification)
  • 69. خوشه‌بندی (Clustering)
  • 70. کشف الگو (Pattern Discovery)
  • 71. امنیت داده در انباره داده Azure
  • 72. مدیریت دسترسی و مجوزها
  • 73. رمزنگاری داده‌ها
  • 74. حفاظت از داده‌های حساس
  • 75. حاکمیت داده (Data Governance)
  • 76. مدیریت کیفیت داده (Data Quality Management)
  • 77. پایش و مدیریت عملکرد انباره داده
  • 78. عیب‌یابی (Troubleshooting)
  • 79. بهینه‌سازی هزینه‌ها در Azure
  • 80. مقیاس‌پذیری انباره داده
  • 81. مدیریت تغییرات در انباره داده
  • 82. مستندسازی انباره داده
  • 83. چرخه عمر داده (Data Lifecycle Management)
  • 84. استفاده از داده‌های زنده (Real-time Data)
  • 85. معماری‌های داده زنده در Azure
  • 86. تکنیک‌های پردازش داده زنده
  • 87. تحلیل داده‌های توصیفی (Descriptive Analytics)
  • 88. تحلیل داده‌های تشخیصی (Diagnostic Analytics)
  • 89. تحلیل داده‌های پیش‌بینانه (Predictive Analytics)
  • 90. تحلیل داده‌های تجویزی (Prescriptive Analytics)
  • 91. مفاهیم داده‌کاوی (Data Mining)
  • 92. تکنیک‌های داده‌کاوی
  • 93. مدیریت کلان داده (Big Data Management)
  • 94. چالش‌های کلان داده
  • 95. ابزارهای مدیریت کلان داده
  • 96. اصول طراحی یکپارچه داده
  • 97. یکپارچه‌سازی داده‌های سازمانی
  • 98. استراتژی‌های یکپارچه‌سازی داده
  • 99. مقدمه‌ای بر معماری میکروسرویس و داده
  • 100. تأثیر معماری میکروسرویس بر انباره داده

📚 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.