دوره Serverless for Data Science: استفاده از Serverless در علم داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Serverless for Data Science: استفاده از Serverless در علم داده

موضوع کلی: برنامه نویسی

موضوع میانی: Serverless Architecture

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و معماری Serverless
• 2. مفاهیم پایه Serverless
• 3. مزایای Serverless برای علم داده
• 4. چالش‌های Serverless در علم داده
• 5. بررسی سرویس‌های Serverless ابری (AWS, Azure, GCP)
• 6. معماری‌های رایج Serverless در علم داده
• 7. تابع به عنوان سرویس (FaaS)
• 8. سرویس‌های Serverless مدیریت پایگاه داده
• 9. سرویس‌های Serverless ذخیره‌سازی
• 10. سرویس‌های Serverless پیام‌رسانی و صف
• 11. سرویس‌های Serverless API Gateway
• 12. سرویس‌های Serverless ارکستراسیون
• 13. کاربرد FaaS در پردازش داده‌های بزرگ
• 14. کاربرد FaaS در ساخت مدل‌های یادگیری ماشین
• 15. کاربرد FaaS در استقرار مدل‌های یادگیری ماشین
• 16. کاربرد FaaS در اجرای کد پایتون برای علم داده
• 17. کاربرد FaaS در اجرای کد R برای علم داده
• 18. کاربرد FaaS در اجرای کد Julia برای علم داده
• 19. معماری‌های مبتنی بر رویداد (Event-Driven Architectures)
• 20. طراحی جریان‌های کاری Serverless برای علم داده
• 21. استفاده از AWS Lambda برای پردازش داده
• 22. ساخت APIهای Serverless با AWS API Gateway
• 23. مدیریت داده‌های موقت در AWS Lambda
• 24. استفاده از AWS S3 برای ذخیره‌سازی داده در معماری Serverless
• 25. استفاده از AWS DynamoDB برای ذخیره‌سازی NoSQL در معماری Serverless
• 26. استفاده از AWS RDS Proxy برای اتصال به پایگاه داده رابطه‌ای
• 27. استفاده از AWS Step Functions برای ارکستراسیون
• 28. استفاده از AWS Glue برای ETL Serverless
• 29. استفاده از AWS EMR Serverless برای پردازش داده‌های بزرگ
• 30. استفاده از AWS SageMaker Serverless Inference
• 31. استفاده از AWS EventBridge برای مسیریابی رویدادها
• 32. استفاده از AWS SQS برای صف پیام
• 33. استفاده از AWS SNS برای اعلان‌ها
• 34. معرفی Azure Functions
• 35. استقرار Azure Functions برای وظایف علم داده
• 36. ساخت APIهای Serverless با Azure API Management
• 37. مدیریت داده‌های موقت در Azure Functions
• 38. استفاده از Azure Blob Storage برای ذخیره‌سازی داده
• 39. استفاده از Azure Cosmos DB برای ذخیره‌سازی NoSQL
• 40. استفاده از Azure SQL Database برای پایگاه داده رابطه‌ای
• 41. استفاده از Azure Logic Apps برای ارکستراسیون
• 42. استفاده از Azure Data Factory برای ETL Serverless
• 43. استفاده از Azure Databricks Serverless
• 44. استفاده از Azure Machine Learning Serverless Inference
• 45. استفاده از Azure Event Grid برای مسیریابی رویدادها
• 46. استفاده از Azure Service Bus برای صف پیام
• 47. استفاده از Azure Notification Hubs برای اعلان‌ها
• 48. معرفی Google Cloud Functions
• 49. استقرار Google Cloud Functions برای وظایف علم داده
• 50. ساخت APIهای Serverless با Google Cloud API Gateway
• 51. مدیریت داده‌های موقت در Google Cloud Functions
• 52. استفاده از Google Cloud Storage برای ذخیره‌سازی داده
• 53. استفاده از Google Cloud Firestore برای ذخیره‌سازی NoSQL
• 54. استفاده از Google Cloud SQL برای پایگاه داده رابطه‌ای
• 55. استفاده از Google Cloud Workflows برای ارکستراسیون
• 56. استفاده از Google Cloud Dataflow for ETL Serverless
• 57. استفاده از Google Cloud Dataproc Serverless
• 58. استفاده از Google Cloud AI Platform Serverless Inference
• 59. استفاده از Google Cloud Pub/Sub برای مسیریابی رویدادها و صف پیام
• 60. استفاده از Google Cloud Cloud Tasks برای وظایف برنامه‌ریزی شده
• 61. انتخاب بین ارائه‌دهندگان خدمات ابری Serverless
• 62. مقایسه سرویس‌های FaaS (Lambda vs Azure Functions vs Cloud Functions)
• 63. مقایسه سرویس‌های API Gateway (AWS API Gateway vs Azure API Management vs Cloud API Gateway)
• 64. مقایسه سرویس‌های ذخیره‌سازی (S3 vs Blob Storage vs Cloud Storage)
• 65. مقایسه سرویس‌های پایگاه داده NoSQL (DynamoDB vs Cosmos DB vs Firestore)
• 66. مقایسه سرویس‌های ارکستراسیون (Step Functions vs Logic Apps vs Workflows)
• 67. مقایسه سرویس‌های ETL (Glue vs Data Factory vs Dataflow)
• 68. مقایسه سرویس‌های یادگیری ماشین Serverless
• 69. مدیریت هویت و دسترسی (IAM) در معماری Serverless
• 70. امنیت در معماری Serverless
• 71. مانیتورینگ و لاگینگ در معماری Serverless
• 72. اشکال‌زدایی (Debugging) در توابع Serverless
• 73. تست توابع Serverless
• 74. بهینه‌سازی هزینه‌ها در معماری Serverless
• 75. مدیریت نسخه توابع Serverless
• 76. استفاده از کانتینرها در معماری Serverless (AWS Fargate, Azure Container Instances, Google Cloud Run)
• 77. معماری میکروسرویس و Serverless
• 78. الگوهای طراحی Serverless برای علم داده
• 79. پایپ‌لاین‌های پردازش داده Real-time با Serverless
• 80. پایپ‌لاین‌های پردازش داده Batch با Serverless
• 81. ساخت داشبوردهای تعاملی با Serverless
• 82. استفاده از Serverless برای پردازش داده‌های IoT
• 83. استفاده از Serverless برای پردازش داده‌های شبکه‌های اجتماعی
• 84. استفاده از Serverless برای تحلیل سری‌های زمانی
• 85. استفاده از Serverless برای پردازش زبان طبیعی (NLP)
• 86. استفاده از Serverless برای پردازش تصویر و بینایی ماشین
• 87. معرفی ابزارهای توسعه Serverless (Serverless Framework, AWS SAM, Azure CLI)
• 88. نصب و پیکربندی Serverless Framework
• 89. استقرار برنامه‌های Serverless با Serverless Framework
• 90. مدیریت پیکربندی در پروژه‌های Serverless
• 91. نکات پیشرفته در Serverless Framework
• 92. مفاهیم CI/CD برای پروژه‌های Serverless
• 93. ساخت پایپ‌لاین‌های CI/CD با ابزارهای مختلف
• 94. استفاده از Infrastructure as Code (IaC) با Serverless
• 95. استفاده از Terraform برای مدیریت زیرساخت Serverless
• 96. معماری‌های Hybrid Serverless
• 97. محدودیت‌های Serverless و راهکارها
• 98. نکات و ترفندهای پیشرفته برای علم داده با Serverless
• 99. آینده Serverless در علم داده
• 100. منابع تکمیلی و یادگیری بیشتر