این دوره جامع و عملی، شما را با سه فناوری کلیدی در پردازش داده‌ها و مهندسی نرم‌افزار آشنا می‌کند: جستجوی برداری برای ساخت سیستم‌های توصیه‌گر، پایگاه داده گراف برای تحلیل شبکه‌ها و روابط پیچیده، و DynamoDB به‌عنوان یک دیتابیس توزیع‌شده و پرسرعت. در نسخه 2024-7، با جدیدترین قابلیت‌ها و الگوهای طراحی در LinkedIn Learning مواجه خواهید شد و تمام ابزارهای نرم‌افزاری مورد نیاز به‌صورت رایگان در اختیارتان قرار می‌گیرد.

• مفاهیم پایه و نظریه جستجوی برداری (Vector Search) و کاربرد آن در موتورهای توصیه‌گر
• ایجاد و مدیریت گراف‌های پیچیده با استفاده از زبان‌های پرس‌وجوی گرافی و دیتابیس‌های گرافی
• آشنایی عمیق با معماری و طراحی Amazon DynamoDB و الگوهای بهینه‌سازی دسترسی به داده
• ادغام سه فناوری در یک سناریوی واقعی: سیستم توصیه‌گر اجتماعی با پردازش برداری، تحلیل شبکه دوستی و ذخیره‌سازی مقیاس‌پذیر
• به‌کارگیری ابزارها و کتابخانه‌های متن‌باز و محیط توسعه مبتنی بر CLI و SDK رسمی LinkedIn

• دسترسی رایگان به نرم‌افزارهای مرتبط و نمونه‌کدهای جامع
• افزایش قدرت تحلیل داده‌های پیچیده در حوزه شبکه‌های اجتماعی و تجارت الکترونیک
• تقویت مهارت طراحی سیستم‌های مقیاس‌پذیر و کم‌تاخیر
• یادگیری الگوهای به‌روز صنعت نرم‌افزار در LinkedIn Learning
• دریافت گواهی پایان دوره از پلتفرم LinkedIn پس از اتمام تمرین‌ها

• آشنایی مقدماتی با زبان‌های برنامه‌نویسی Python یا JavaScript
• مبانی پایگاه‌های داده رابطه‌ای و NoSQL
• درک اولیه از ساختار داده‌ها و الگوریتم‌های مرتب‌سازی و جستجو
• قبولی در آزمون شناسایی API و کار با RESTful Services
• نصب و پیکربندی AWS CLI و دسترسی به حساب AWS (رایگان تا حد معقول)

• بخش ۱: مقدمه و ساختار کلی
  • معرفی دوره و آزمایشگاه‌های عملی
  • نصب ابزارها و راه‌اندازی محیط توسعه
• بخش ۲: جستجوی برداری
  • مبانی بردارها و متریک‌های فاصله
  • کتابخانه‌های محبوب مثل Faiss و Annoy
  • ساخت یک موتور توصیه‌گر ساده با داده‌های نمونه
• بخش ۳: پایگاه داده گراف
  • تئوری گراف و الگوریتم‌های کوتاه‌ترین مسیر
  • استفاده از Neo4j و Gremlin
  • سوالات پیچیده مسیر و تحلیل اجزای متصل
• بخش ۴: Amazon DynamoDB
  • مفاهیم کلید اصلی، پارتی‌شنیگ و استریم‌ها
  • طراحی الگوهای دسترسی بهینه
  • کار با SDK و DynamoDB Accelerator (DAX)
• بخش ۵: پروژه نهایی
  • ترکیب جستجوی برداری و گراف در یک سیستم توصیه‌گر اجتماعی
  • ذخیره‌سازی نتایج و لاگ‌ها در DynamoDB
  • استقرار در AWS و اجرای پویا با Lambda

در طول دوره، سه سناریوی عملی را پیاده‌سازی خواهید کرد:

• سیستم توصیه فیلم: استفاده از بردار ویژگی‌های کاربر و محتوای فیلم برای پیشنهاد فیلم‌های مشابه.
• تحلیل شبکه همکاران: مدلسازی ارتباطات حرفه‌ای در LinkedIn و یافتن مسیرهای شغلی بالقوه.
• ذخیره و واکشی رویدادها: ضبط لاگ‌های تعامل کاربر با استفاده از DynamoDB و نمایش آمار در داشبورد ساده.

تمام کدها و داکیومنت‌ها به‌صورت رایگان همراه دوره ارائه شده و می‌توانید بدون محدودیت، در پروژه‌های خود بازنشر کنید.

پس از اتمام این دوره کاملاً آماده‌اید تا در پروژه‌های حرفه‌ای:

• سیستم‌های توصیه‌گر با مقیاس‌پذیری بالا طراحی کنید.
• تحلیل‌های پیچیده گراف‌محور را اجرا و بهینه‌سازی نمایید.
• زیرساخت‌های دیتابیس توزیع‌شده را با DynamoDB پیاده‌سازی کنید.

برای ادامه مسیر یادگیری، پیشنهاد می‌شود دوره‌های Machine Learning پیشرفته و معماری میکروسرویس را نیز بررسی کنید. موفق باشید!