اپلیکیشن اندرویدی فلش‌کارت آموزشی طراحی و پیاده‌سازی انباره داده با استفاده از BigQuery

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی انباره داده با استفاده از BigQuery

موضوع کلی: فناوری اطلاعات و علوم داده

موضوع میانی: مدیریت و تحلیل داده‌های کلان

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر انباره داده و مفاهیم کلیدی
• 2. نقش انباره داده در سازمان‌ها
• 3. معماری انباره داده: مفاهیم و اجزا
• 4. مدل‌سازی داده برای انباره داده: رویکردها
• 5. مدل‌سازی ابعادی (Dimensional Modeling)
• 6. موجودیت‌ها و ابعاد (Facts and Dimensions)
• 7. انواع ابعاد: ثابت، رویداد، تراکنشی، نقش‌دار
• 8. انواع حقایق: تراکنشی، تجمعی، رویداد
• 9. طراحی جدول حقایق: ساختار و نگهداری
• 10. طراحی جداول ابعاد: ساختار و نگهداری
• 11. چرخه‌های تغییر ابعاد (Slowly Changing Dimensions - SCD)
• 12. SCD Type 1: بازنویسی داده‌ها
• 13. SCD Type 2: افزودن سطر جدید
• 14. SCD Type 3: افزودن ستون جدید
• 15. روش‌های بارگذاری داده در انباره داده
• 16. استخراج، تبدیل، بارگذاری (ETL)
• 17. استخراج، بارگذاری، تبدیل (ELT)
• 18. ابزارهای ETL/ELT
• 19. معرفی Google Cloud Platform (GCP)
• 20. معرفی BigQuery: سرویس انباره داده ابری
• 21. مزایای BigQuery
• 22. معماری BigQuery
• 23. فضاهای کاری (Workspaces) در BigQuery
• 24. مجموعه داده‌ها (Datasets) در BigQuery
• 25. جداول (Tables) در BigQuery
• 26. انواع داده در BigQuery
• 27. Schema Evolution در BigQuery
• 28. بارگذاری داده در BigQuery از منابع مختلف
• 29. بارگذاری از Google Cloud Storage
• 30. بارگذاری از Google Drive
• 31. بارگذاری از برنامه‌های کاربردی
• 32. بارگذاری از پایگاه‌های داده رابطه‌ای
• 33. بارگذاری از فایل‌های CSV و JSON
• 34. بارگذاری Streaming
• 35. پرس‌وجو (Querying) در BigQuery
• 36. زبان SQL در BigQuery
• 37. نحو پرس‌وجوهای استاندارد
• 38. بهینه‌سازی پرس‌وجوها در BigQuery
• 39. تکنیک‌های Partitioning جداول
• 40. تکنیک‌های Clustering جداول
• 41. استفاده از Views در BigQuery
• 42. مدیریت دسترسی در BigQuery
• 43. نقش‌ها و مجوزها
• 44. امنیت داده در BigQuery
• 45. رمزنگاری داده‌ها
• 46. حفظ حریم خصوصی داده‌ها
• 47. ملاحظات قانونی و مقرراتی در مدیریت داده
• 48. قوانین حفاظت از داده در ایران
• 49. مقررات مربوط به داده‌های حساس
• 50. اصول طراحی داشبورد و گزارش‌گیری
• 51. نرم‌افزارهای هوش تجاری (BI Tools)
• 52. اتصال ابزارهای BI به BigQuery
• 53. طراحی گزارش‌های تحلیلی
• 54. ایجاد داشبوردهای مدیریتی
• 55. مفاهیم پیشرفته در BigQuery
• 56. توابع پنجره‌ای (Window Functions)
• 57. توابع تجمعی (Aggregate Functions)
• 58. توابع رشته‌ای (String Functions)
• 59. توابع تاریخ و زمان (Date and Time Functions)
• 60. توابع شرطی (Conditional Functions)
• 61. استفاده از UDFs (User-Defined Functions)
• 62. معرفی Data Catalog در GCP
• 63. مدیریت فراداده (Metadata Management)
• 64. پیدا کردن و جستجوی داده‌ها
• 65. ردیابی منشأ داده (Data Lineage)
• 66. معرفی Dataproc برای پردازش کلان داده
• 67. مفاهیم Spark و Hadoop
• 68. پردازش داده‌های ناهمگون
• 69. یکپارچه‌سازی Dataproc با BigQuery
• 70. معرفی Dataflow برای پردازش جریانی و دسته‌ای
• 71. پردازش رویدادهای زنده (Real-time)
• 72. پردازش داده‌های دسته‌ای
• 73. یکپارچه‌سازی Dataflow با BigQuery
• 74. مفاهیم یادگیری ماشین (Machine Learning)
• 75. مقدمه‌ای بر یادگیری ماشین در BigQuery ML
• 76. آموزش مدل‌های پیش‌بینی
• 77. طبقه‌بندی داده‌ها
• 78. خوشه‌بندی داده‌ها
• 79. ارزیابی مدل‌های یادگیری ماشین
• 80. کاربرد BigQuery در تحلیل داده‌های مشتری
• 81. تحلیل رفتار خرید
• 82. پیش‌بینی ریزش مشتری
• 83. شخصی‌سازی تجربه مشتری
• 84. کاربرد BigQuery در تحلیل داده‌های مالی
• 85. تحلیل ریسک اعتباری
• 86. شناسایی تقلب
• 87. پیش‌بینی روند بازار
• 88. کاربرد BigQuery در تحلیل داده‌های عملیاتی
• 89. بهینه‌سازی زنجیره تأمین
• 90. مدیریت عملکرد تجهیزات
• 91. تحلیل داده‌های سنسورها
• 92. طراحی استراتژی‌های داده‌محور
• 93. اصول اخلاقی در علم داده
• 94. مسئولیت‌پذیری در استفاده از داده
• 95. شفافیت در پردازش داده
• 96. آیندهٔ انباره داده و تحلیل داده‌های کلان
• 97. روندهای نوظهور در هوش مصنوعی و داده
• 98. چالش‌های پیاده‌سازی انباره داده
• 99. مدیریت تغییر و پذیرش سازمانی
• 100. نکات پایانی و جمع‌بندی