دوره Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره Google Cloud Platform: ساخت اپلیکیشن های تحلیل داده های زمان واقعی
موضوع کلی: برنامه نویسی
موضوع میانی: Google Cloud Platform (GCP)
📋 سرفصلهای دوره
- 1. مقدمه ای بر گوگل کلاود پلتفرم (GCP)
- 2. مفاهیم کلیدی GCP: مناطق، مناطق، پروژهها
- 3. حساب GCP و ایجاد اولین پروژه
- 4. بررسی اجمالی معماری های تحلیل داده های زمان واقعی
- 5. اهمیت تحلیل داده های زمان واقعی
- 6. کاربردها و سناریوهای تحلیل داده های زمان واقعی
- 7. آشنایی با سرویس های اصلی GCP برای داده های زمان واقعی
- 8. Google Compute Engine (GCE) برای زیرساخت
- 9. Google Kubernetes Engine (GKE) برای ارکستراسیون
- 10. Google Cloud Functions برای پردازش بدون سرور
- 11. Google Cloud Storage (GCS) برای ذخیره سازی
- 12. Google BigQuery برای انبار داده
- 13. Google Cloud Pub/Sub برای پیام رسانی
- 14. Google Cloud Dataflow برای پردازش استریم و بچ
- 15. Google Cloud Dataproc برای پردازش داده های حجیم
- 16. Google Cloud Composer برای ارکستراسیون گردش کار
- 17. Google Cloud Bigtable برای پایگاه داده NoSQL
- 18. Google Cloud Spanner برای پایگاه داده توزیع شده
- 19. Google Cloud Vision AI برای پردازش تصویر
- 20. Google Cloud Natural Language AI برای پردازش متن
- 21. Google Cloud Speech-to-Text AI برای تبدیل گفتار به متن
- 22. Google Cloud Text-to-Speech AI برای تبدیل متن به گفتار
- 23. Google Cloud Translation AI برای ترجمه
- 24. Google Cloud AI Platform برای مدل های یادگیری ماشین
- 25. Google Cloud Vertex AI برای یادگیری ماشین جامع
- 26. تنظیم محیط توسعه محلی
- 27. نصب Google Cloud SDK
- 28. پیکربندی احراز هویت برای GCP
- 29. اصول شبکه در GCP
- 30. شبکه های خصوصی مجازی (VPC)
- 31. قوانین فایروال و مسیریابی
- 32. استفاده از GCE برای استقرار اپلیکیشن های پایه
- 33. مقیاس پذیری خودکار در GCE
- 34. تنظیم Load Balancer برای GCE
- 35. مبانی Google Kubernetes Engine (GKE)
- 36. مفاهیم Pod, Deployment, Service در GKE
- 37. استقرار اپلیکیشن های کانتینری در GKE
- 38. مدیریت پایگاه داده ها در GCP
- 39. استفاده از Cloud SQL برای پایگاه داده های رابطهای
- 40. مفاهیم Cloud Bigtable برای داده های NoSQL
- 41. انتخاب پایگاه داده مناسب برای تحلیل زمان واقعی
- 42. مبانی Google Cloud Storage (GCS)
- 43. بارگذاری و دانلود داده ها در GCS
- 44. مدیریت دسترسی و امنیت در GCS
- 45. استفاده از GCS به عنوان منبع داده اولیه
- 46. مقدمه ای بر Google Cloud Pub/Sub
- 47. موضوعات (Topics) و اشتراک ها (Subscriptions) در Pub/Sub
- 48. انتشار پیام ها و دریافت پیام ها
- 49. پردازش پیام های Pub/Sub با Cloud Functions
- 50. پردازش پیام های Pub/Sub با Cloud Dataflow
- 51. معرفی Google Cloud Dataflow
- 52. مدل برنامه نویسی Dataflow (Apache Beam)
- 53. پردازش استریم با Dataflow
- 54. پردازش بچ با Dataflow
- 55. ترکیب پردازش استریم و بچ
- 56. تنظیم Dataflow Jobs
- 57. مانیتورینگ و اشکال زدایی Dataflow Jobs
- 58. مقدمه ای بر Google BigQuery
- 59. ساختار داده در BigQuery (Dataset, Table)
- 60. بارگذاری داده ها در BigQuery
- 61. نوشتن کوئری های SQL در BigQuery
- 62. بهینه سازی کوئری های BigQuery
- 63. استفاده از BigQuery برای تحلیل داده های تاریخی
- 64. اتصال BigQuery به سایر سرویس های GCP
- 65. مقدمه ای بر Google Cloud Composer
- 66. ایجاد و مدیریت DAG ها (Directed Acyclic Graphs)
- 67. اتصال Composer به سرویس های GCP
- 68. ارکستراسیون گردش کار تحلیل داده
- 69. اتصال Composer به Pub/Sub و Dataflow
- 70. برنامه ریزی و زمانبندی Jobs با Composer
- 71. پیاده سازی خط لوله ETL/ELT زمان واقعی
- 72. طراحی معماری برای ورود داده های زمان واقعی
- 73. جمع آوری داده ها از منابع مختلف
- 74. پیش پردازش و پاکسازی داده ها
- 75. استفاده از Pub/Sub برای ورود داده ها
- 76. استفاده از Dataflow برای پردازش استریم
- 77. ذخیره سازی داده های پردازش شده در BigQuery
- 78. مانیتورینگ و هشدارهای مربوط به ورود داده ها
- 79. امنیت در طول خط لوله داده های زمان واقعی
- 80. مدیریت هویت و دسترسی (IAM)
- 81. رمزگذاری داده ها در حال انتقال و در حالت سکون
- 82. امنیت شبکه در GCP
- 83. پیکربندی امنیتی سرویس های مختلف GCP
- 84. مدیریت لاگ ها و ردیابی (Logging and Auditing)
- 85. مانیتورینگ عملکرد اپلیکیشن های تحلیل داده
- 86. استفاده از Cloud Monitoring (Stackdriver)
- 87. ایجاد داشبوردهای سفارشی
- 88. تنظیم هشدارها (Alerting)
- 89. تجزیه و تحلیل لاگ ها برای اشکال زدایی
- 90. بهینه سازی هزینه در GCP
- 91. شناسایی سرویس های پرهزینه
- 92. استراتژی های کاهش هزینه
- 93. استفاده از ماشین های مجازی مناسب
- 94. مدیریت چرخه عمر داده ها
- 95. استفاده از گزینه های ذخیره سازی مقرون به صرفه
- 96. مقدمه ای بر AI و ML در GCP
- 97. کاربرد AI/ML در تحلیل داده های زمان واقعی
- 98. معرفی Vertex AI
- 99. آماده سازی داده ها برای مدل های ML
- 100. آموزش مدل های ML سفارشی
محتویات بسته آموزشی
🌐 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.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
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.
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.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.