دوره Google Cloud Platform: راهنمای معماری های داده محور همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

2,490,000 تومان
دوره جامع Google Cloud Platform: راهنمای معماری های داده محور دوره جامع Google Cloud Platform: راهنمای معماری های داده محور آینده داده‌ها در دستان شماست. برای ساختن آن آماده‌اید؟ معرفی دوره: به دنیای ...
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 622,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: راهنمای معماری های داده محور

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر Google Cloud Platform برای متخصصان داده
  • 2. مرور کلی سرویس‌های اصلی GCP برای معماران داده
  • 3. ناوبری در کنسول GCP و ساختار پروژه
  • 4. آشنایی با مدیریت هویت و دسترسی (IAM) در GCP
  • 5. سلسله مراتب منابع و سازماندهی در GCP
  • 6. مبانی رابط خط فرمان (CLI) و Cloud SDK
  • 7. اصول شبکه: VPC، Subnetها و Firewallها
  • 8. معرفی Cloud Storage: مفاهیم ذخیره سازی ابژکت
  • 9. مدیریت Bucketها و ابژکت‌ها در Cloud Storage
  • 10. کلاس‌های ذخیره سازی و مدیریت چرخه عمر ابژکت
  • 11. امنیت داده‌ها در Cloud Storage: رمزگذاری و کنترل دسترسی
  • 12. معرفی Cloud SQL: پایگاه‌های داده رابطه‌ای مدیریت شده
  • 13. راه‌اندازی و مدیریت نمونه‌های Cloud SQL (PostgreSQL/MySQL)
  • 14. دسترسی بالا (High Availability) و بازیابی فاجعه (Disaster Recovery) برای Cloud SQL
  • 15. Cloud Spanner: پایگاه داده رابطه‌ای با مقیاس‌پذیری افقی
  • 16. معرفی Firestore: پایگاه داده NoSQL مبتنی بر سند
  • 17. مدل‌سازی داده و کوئری‌ها در Firestore
  • 18. Cloud Bigtable: پایگاه داده NoSQL ستونی گسترده برای تحلیل‌های بزرگ
  • 19. انتخاب پایگاه داده مناسب GCP برای حجم کاری داده شما
  • 20. معرفی BigQuery: انبار داده بدون سرور
  • 21. راه‌اندازی پروژه BigQuery و ایجاد Dataset
  • 22. بارگذاری داده در BigQuery: درج دسته‌ای و جریانی
  • 23. کوئری زدن داده‌ها در BigQuery: مبانی Standard SQL
  • 24. آشنایی با Schema و انواع داده در BigQuery
  • 25. جداول BigQuery: پارتیشن بندی و کلاسترینگ برای عملکرد بهتر
  • 26. مدیریت Viewها و Viewهای مجاز در BigQuery
  • 27. کار با منابع داده خارجی در BigQuery
  • 28. صادرات داده و سرویس انتقال داده BigQuery (DTS)
  • 29. استراتژی‌های بهینه‌سازی هزینه برای BigQuery
  • 30. معرفی BigQuery ML: یادگیری ماشین درون پایگاه داده
  • 31. ساخت مدل‌های پیش‌بینی با BigQuery ML
  • 32. ارزیابی و استقرار مدل‌های BigQuery ML
  • 33. BigQuery GIS: قابلیت‌های تحلیل مکانی جغرافیایی
  • 34. اسکریپت‌نویسی BigQuery و توابع تعریف شده توسط کاربر (UDFs)
  • 35. معرفی Pub/Sub: سرویس پیام‌رسانی بلادرنگ
  • 36. Topicها، Subscriptionها و جریان پیام در Pub/Sub
  • 37. یکپارچه‌سازی Pub/Sub با سایر سرویس‌های GCP
  • 38. مدیریت خطا و پایداری در Pub/Sub
  • 39. معرفی Dataflow: پردازش یکپارچه جریانی و دسته‌ای
  • 40. مبانی Apache Beam: Pipelineها، PCollectionها و Transformها
  • 41. توسعه Pipelineهای دسته‌ای با Dataflow
  • 42. SDKهای Dataflow و مدل برنامه‌نویسی (پایتون/جاوا)
  • 43. Transform‌های پیشرفته و منطق سفارشی در Dataflow
  • 44. مفاهیم Windowing در Dataflow (Fixed, Sliding, Session)
  • 45. Triggerها و Watermarkها برای Pipelineهای جریانی Dataflow
  • 46. طراحی Pipelineهای جریانی با Dataflow
  • 47. مدیریت خطا و کیفیت داده در Pipelineهای Dataflow
  • 48. نظارت و اشکال‌زدایی وظایف Dataflow
  • 49. معرفی Dataproc: هدوپ و اسپارک مدیریت شده
  • 50. راه‌اندازی و مدیریت کلاسترهای Dataproc
  • 51. اجرای وظایف Spark روی Dataproc برای پردازش داده‌های بزرگ
  • 52. مهاجرت حجم کاری هدوپ/اسپارک On-Premise به Dataproc
  • 53. معرفی Cloud Functions: محاسبات بدون سرور رویداد محور
  • 54. استفاده از Cloud Functions برای Triggerهای پردازش داده
  • 55. Cloud Run: کانتینرهای بدون سرور برای هر زبان
  • 56. استقرار وظایف پردازش داده کانتینری با Cloud Run
  • 57. معرفی Cloud Composer: Apache Airflow مدیریت شده
  • 58. مبانی Airflow: DAGها، Operatorها و Sensorها
  • 59. ساخت Workflowهای هماهنگ‌سازی داده با Cloud Composer
  • 60. مدیریت وابستگی‌ها و زمان‌بندی در DAGهای Airflow
  • 61. بهترین شیوه‌ها برای طراحی و استقرار DAG در Airflow
  • 62. معرفی Workflows: هماهنگ‌سازی بدون سرور
  • 63. هماهنگ‌سازی میکروسرویس‌ها و سرویس‌های GCP با Workflows
  • 64. معرفی Looker Studio (قبلاً Data Studio)
  • 65. اتصال منابع داده به Looker Studio برای داشبوردها
  • 66. طراحی داشبوردها و گزارش‌های تعاملی در Looker Studio
  • 67. معرفی Looker: پلتفرم BI سازمانی و داده
  • 68. آشنایی با مدل‌های Looker (LookML) و Exploreها
  • 69. معرفی Vertex AI: پلتفرم یکپارچه یادگیری ماشین
  • 70. Vertex AI Workbench: نوت‌بوک‌های Jupyter مدیریت شده
  • 71. مدیریت مجموعه‌داده‌ها در Vertex AI
  • 72. AutoML برای داده‌های تصویری، جدولی و متنی در Vertex AI
  • 73. آموزش سفارشی با Vertex AI: وظایف آموزشی
  • 74. تنظیم فراپارامترها (Hyperparameter Tuning) با Vertex AI Vizier
  • 75. استقرار مدل‌ها در EndPointهای Vertex AI برای پیش‌بینی
  • 76. پیش‌بینی دسته‌ای با Vertex AI
  • 77. معرفی Vertex AI Feature Store
  • 78. مفاهیم و شیوه‌های MLOps در Vertex AI
  • 79. نظارت بر مدل و قابلیت توضیح‌پذیری با Vertex AI
  • 80. معرفی Cloud Logging: مدیریت متمرکز لاگ‌ها
  • 81. Cloud Monitoring: معیارها، داشبوردها و هشدارها
  • 82. Cloud Trace و Cloud Profiler برای تحلیل عملکرد
  • 83. API پیشگیری از از دست رفتن داده (DLP): حفاظت از داده‌های حساس
  • 84. کنترل‌های سرویس VPC: جلوگیری از خروج داده
  • 85. بهترین شیوه‌های امنیتی برای معماری‌های داده‌محور در GCP
  • 86. مدیریت هزینه و صورت‌حساب برای سرویس‌های داده GCP
  • 87. بهینه‌سازی هزینه‌های داده در GCP: استراتژی‌ها و ابزارها
  • 88. طراحی یک Data Lake مدرن در GCP
  • 89. معماری یک Data Warehouse با BigQuery و سایر سرویس‌ها
  • 90. آشنایی با اصول و پیاده‌سازی Data Mesh در GCP
  • 91. ساخت داشبوردهای تحلیل بلادرنگ در GCP
  • 92. معماری‌های پردازش داده بدون سرور
  • 93. حاکمیت داده و انطباق در GCP
  • 94. CI/CD برای Pipelineهای داده در GCP
  • 95. استراتژی‌های مهاجرت داده به GCP
  • 96. ساخت معماری موتور توصیه‌گر (Recommendation Engine) در GCP
  • 97. مطالعه موردی واقعی: معماری تحلیل داده‌های IoT
  • 98. مطالعه موردی واقعی: Pipeline پردازش داده‌های مالی
  • 99. روندهای آینده در معماری‌های داده و نوآوری‌های GCP
  • 100. جمع‌بندی دوره و گام‌های بعدی برای معماران داده GCP
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir
تگ‌ها: Big Data Data Architecture GCP Google Cloud Google Cloud Platform آموزش GCP ابر گوگل برنامه نویسی برنامه نویسی ابری توسعه دهنده GCP داده محور دیتا محور راهنمای GCP گوگل کلود معماری داده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.