اپلیکیشن اندرویدی فلش‌کارت آموزشی Data Lake مبتنی بر Cloud: AWS, Azure, GCP

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Data Lake مبتنی بر Cloud: AWS, Azure, GCP

موضوع کلی: معماری و مهندسی کامپیوتر

موضوع میانی: معماری معماری Data Lake (Data Lake Architecture)

📋 سرفصل‌های دوره

• 1. درآمدی بر دریاچه‌های داده و معماری آن‌ها
• 2. مفاهیم کلیدی ذخیره‌سازی داده‌های بزرگ
• 3. مقایسه دریاچه داده با انبار داده و پایگاه داده
• 4. معماری مرجع دریاچه داده در ابر
• 5. آشنایی با سرویس‌های ذخیره‌سازی ابری AWS
• 6. آشنایی با سرویس‌های ذخیره‌سازی ابری Azure
• 7. آشنایی با سرویس‌های ذخیره‌سازی ابری GCP
• 8. فرمت‌های فایل مناسب برای دریاچه‌های داده: Avro, Parquet, ORC
• 9. راهنمای انتخاب فرمت فایل بهینه
• 10. متا داده و مدیریت آن در دریاچه‌های داده
• 11. مفاهیم Schema-on-Read و Schema-on-Write
• 12. ابزارهای مدیریت متا داده در ابر
• 13. امنیت داده‌ها در دریاچه‌های داده ابری
• 14. کنترل دسترسی و احراز هویت در AWS
• 15. کنترل دسترسی و احراز هویت در Azure
• 16. کنترل دسترسی و احراز هویت در GCP
• 17. مدیریت کیفیت داده‌ها در دریاچه‌های داده
• 18. اعتبارسنجی و پاکسازی داده‌ها
• 19. تحول داده‌ها (Data Transformation) در دریاچه داده
• 20. ETL و ELT در محیط ابری
• 21. معماری Lambda و Kappa در دریاچه‌های داده
• 22. استفاده از Apache Spark برای پردازش داده‌ها در دریاچه داده
• 23. استفاده از Apache Flink برای پردازش داده‌ها در دریاچه داده
• 24. استفاده از Apache Hive برای پرس‌وجو در دریاچه داده
• 25. استفاده از Presto/Trino برای پرس‌وجو در دریاچه داده
• 26. مصورسازی داده‌ها از دریاچه داده با استفاده از ابزارهای BI
• 27. ادغام دریاچه داده با ابزارهای یادگیری ماشین
• 28. استفاده از AWS SageMaker با دریاچه داده
• 29. استفاده از Azure Machine Learning با دریاچه داده
• 30. استفاده از Google AI Platform با دریاچه داده
• 31. مبانی Data Governance در دریاچه‌های داده
• 32. Data Lineage و ردیابی داده‌ها
• 33. بهینه‌سازی هزینه در دریاچه‌های داده ابری
• 34. مانیتورینگ و Logging در دریاچه‌های داده
• 35. راهکارهای Disaster Recovery برای دریاچه‌های داده
• 36. مقایسه هزینه سرویس‌های ذخیره‌سازی ابری
• 37. بهترین روش‌ها برای سازماندهی داده‌ها در دریاچه داده
• 38. انتخاب منطقه (Region) مناسب برای استقرار دریاچه داده
• 39. استفاده از Infrastructure as Code برای استقرار دریاچه داده
• 40. مقایسه سرویس‌های Catalog در AWS، Azure و GCP
• 41. معماری دریاچه داده چند ابری (Multi-Cloud)
• 42. راهکارهای Data Federation برای دریاچه‌های داده
• 43. استفاده از Delta Lake برای قابلیت اطمینان داده‌ها
• 44. استفاده از Apache Iceberg برای قابلیت اطمینان داده‌ها
• 45. راهکارهای Data Masking و Anonymization در دریاچه داده