اپلیکیشن اندرویدی فلشکارت آموزشی مدلسازی داده در AWS: از DynamoDB تا Redshift
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مدلسازی داده در AWS: از DynamoDB تا Redshift
موضوع کلی: برنامه نویسی
موضوع میانی: طراحی و مدلسازی داده
📋 سرفصلهای دوره
- 1. مبانی مدلسازی داده و اهمیت آن
- 2. مفاهیم پایهای پایگاه دادهها
- 3. معرفی AWS و خدمات مرتبط با داده
- 4. آشنایی با DynamoDB: پایگاه داده NoSQL
- 5. انتخاب مناسب نوع پایگاه داده: RDBMS vs. NoSQL
- 6. طراحی داده در DynamoDB: کلیدها و خصوصیات
- 7. مدلسازی تکجدولی (Single-Table Design) در DynamoDB
- 8. انواع دادهها و تبدیل آنها در DynamoDB
- 9. شاخصگذاری در DynamoDB: Global Secondary Index (GSI)
- 10. شاخصگذاری در DynamoDB: Local Secondary Index (LSI)
- 11. بهینهسازی Queryها و Scanها در DynamoDB
- 12. مدیریت ظرفیت در DynamoDB: Provisioned و On-Demand
- 13. آشنایی با DynamoDB Accelerator (DAX)
- 14. امنیت در DynamoDB: IAM و رمزنگاری
- 15. مبانی تراکنشها در DynamoDB
- 16. استفاده از DynamoDB Streams برای پردازش دادهها
- 17. یکپارچهسازی DynamoDB با Lambda
- 18. مانیتورینگ و لاگگیری در DynamoDB
- 19. معرفی Redshift: Data Warehouse
- 20. ساختار دادهای Redshift: Nodes و Clusters
- 21. انواع دادهها در Redshift
- 22. طراحی جدول در Redshift: Dist Style و Sort Style
- 23. بهینهسازی Queryها در Redshift: Compression و Statistics
- 24. شاخصگذاری در Redshift
- 25. مدیریت دادهها در Redshift: Loading و Unloading
- 26. معرفی ETL و ابزارهای مرتبط در AWS
- 27. استفاده از AWS Glue برای ETL
- 28. مدلسازی دادههای ستارهای و خوشه برفکی
- 29. فرایند Data Modeling در Redshift
- 30. مدیریت ظرفیت و مقیاسپذیری در Redshift
- 31. امنیت در Redshift: IAM، رمزنگاری و VPC
- 32. آشنایی با Redshift Spectrum
- 33. Querying دادههای خارجی با Redshift Spectrum
- 34. یکپارچهسازی Redshift با S3
- 35. یکپارچهسازی Redshift با Glue Data Catalog
- 36. مانیتورینگ و لاگگیری در Redshift
- 37. مقایسه DynamoDB و Redshift
- 38. انتخاب راهکار مناسب برای نیازهای کسبوکار
- 39. بررسی موارد استفاده (Use Cases) DynamoDB
- 40. بررسی موارد استفاده (Use Cases) Redshift
- 41. آشنایی با Amazon Athena
- 42. Querying دادهها با Athena از S3
- 43. یکپارچهسازی Athena با Glue Data Catalog
- 44. معرفی Lake Formation
- 45. ساخت Lake Formation در AWS
- 46. امنیت دادهها در Lake Formation
- 47. معرفی Amazon EMR
- 48. پردازش دادههای بزرگ با EMR
- 49. یکپارچهسازی EMR با Redshift
- 50. معرفی Amazon QuickSight
- 51. ایجاد داشبورد و گزارش در QuickSight
- 52. اتصال QuickSight به منابع داده مختلف
- 53. امنیت در QuickSight
- 54. معرفی Amazon Kinesis
- 55. جریان دادهها با Kinesis
- 56. یکپارچهسازی Kinesis با DynamoDB
- 57. یکپارچهسازی Kinesis با Redshift
- 58. فراهمآوری دادهها از منابع مختلف
- 59. نرمالسازی دادهها
- 60. مدلسازی دادههای تاریخی
- 61. مدلسازی دادههای زمانی
- 62. مدیریت خطا و استثنائات در پردازش داده
- 63. بهینهسازی عملکرد کوئریها در DynamoDB
- 64. بهینهسازی عملکرد کوئریها در Redshift
- 65. مدیریت تغییرات schema
- 66. پیادهسازی تراکنشهای پیچیده
- 67. استراتژیهای پشتیبانگیری و بازیابی داده
- 68. اتوماسیون عملیات پایگاه داده
- 69. نظارت و هشداردهی پیشرفته
- 70. مدیریت هزینه و بهینهسازی منابع
- 71. مدلسازی داده برای اینترنت اشیا (IoT)
- 72. مدلسازی داده برای تحلیل رفتار مشتری
- 73. مدلسازی داده برای سیستمهای توصیه گر
- 74. امنیت داده و رعایت حریم خصوصی (GDPR, CCPA)
- 75. مدیریت دسترسی و کنترلهای امنیتی
- 76. مفهوم Data Governance
- 77. نقشهای مختلف در تیمهای داده (Data Engineer, Data Scientist, ...)
- 78. معرفی ابزارهای مانیتورینگ و لاگگیری پیشرفته
- 79. بهترین روشهای پیادهسازی CI/CD برای پایگاه داده
- 80. مدیریت پیکربندی و نسخهبندی کد
- 81. مقایسه ابزارهای ETL مختلف در AWS
- 82. استفاده از Serverless در مدلسازی داده
- 83. آشنایی با معماری Event-Driven
- 84. پیادهسازی معماری Event-Driven با DynamoDB و Kinesis
- 85. استفاده از Machine Learning برای بهبود مدلسازی داده
- 86. مدلسازی داده برای پردازش زبان طبیعی (NLP)
- 87. مدلسازی داده برای پردازش تصویر
- 88. طراحی داده برای مقیاسپذیری افقی
- 89. طراحی داده برای دسترسی بالا
- 90. پیادهسازی Disaster Recovery
- 91. یکپارچهسازی با سرویسهای دیگر AWS (S3, ECS, ...)
- 92. بهینهسازی هزینه و عملکرد در محیطهای Multi-AZ
- 93. بررسی نمونههای واقعی (Case Studies)
- 94. آینده مدلسازی داده در AWS
- 95. آموزش عیبیابی و رفع مشکلات رایج
- 96. گواهینامههای AWS مرتبط با داده
- 97. منابع یادگیری تکمیلی و جامعههای تخصصی
- 98. آشنایی با بهترین شیوهها (Best Practices) در مدلسازی داده
- 99. مروری بر مفاهیم کلیدی و نکات مهم
- 100. آمادهسازی برای مصاحبههای شغلی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.