دوره راهنمای جامع راه‌حل‌های داده در Azure همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع راه‌حل‌های داده در Azure

موضوع کلی: فناوری اطلاعات و نرم‌افزار

موضوع میانی: پایگاه داده و مدیریت داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مفاهیم پایگاه داده
• 2. انواع مدل‌های پایگاه داده
• 3. پایگاه داده رابطه‌ای چیست؟
• 4. مبانی SQL
• 5. طراحی پایگاه داده رابطه‌ای
• 6. نرمال‌سازی در پایگاه داده
• 7. مفاهیم کلید اصلی و خارجی
• 8. شاخص‌گذاری در پایگاه داده
• 9. مدیریت تراکنش‌ها
• 10. مفاهیم ACID
• 11. مقدمه‌ای بر Azure Data Solutions
• 12. معرفی Azure SQL Database
• 13. ایجاد و پیکربندی Azure SQL Database
• 14. مدیریت Azure SQL Database
• 15. امنیت در Azure SQL Database
• 16. پشتیبان‌گیری و بازیابی در Azure SQL Database
• 17. انتقال داده به Azure SQL Database
• 18. Azure Database for MySQL
• 19. Azure Database for PostgreSQL
• 20. Azure Database for MariaDB
• 21. Azure Cosmos DB: معرفی
• 22. مدل داده‌ای Cosmos DB
• 23. ایجاد و مدیریت Cosmos DB
• 24. پرس‌وجو در Cosmos DB
• 25. مقیاس‌پذیری در Cosmos DB
• 26. انتخاب پایگاه داده مناسب در Azure
• 27. مقدمه‌ای بر انبار داده (Data Warehousing)
• 28. مفاهیم انبار داده
• 29. Azure Synapse Analytics: معرفی
• 30. طراحی انبار داده با Synapse Analytics
• 31. بارگذاری داده در Synapse Analytics
• 32. اجرای پرس‌وجوها در Synapse Analytics
• 33. امنیت در Synapse Analytics
• 34. مقدمه‌ای بر پردازش داده‌های جریانی (Stream Processing)
• 35. Azure Stream Analytics: معرفی
• 36. طراحی جریان‌های پردازش داده
• 37. ورودی‌ها و خروجی‌های Stream Analytics
• 38. کار با توابع در Stream Analytics
• 39. مقیاس‌پذیری Stream Analytics
• 40. مقدمه‌ای بر تحلیل داده‌های کلان (Big Data Analytics)
• 41. Azure Databricks: معرفی
• 42. کار با Notebooks در Databricks
• 43. Spark در Databricks
• 44. اجرای تحلیل‌های کلان با Databricks
• 45. امنیت در Databricks
• 46. مقدمه‌ای بر سرویس‌های داده Azure
• 47. Azure Data Factory: معرفی
• 48. ایجاد پایپ‌لاین در Data Factory
• 49. فعال‌سازی‌ها و زمان‌بندی‌ها در Data Factory
• 50. جاسازی داده در Data Factory
• 51. نظارت بر فعالیت‌ها در Data Factory
• 52. Azure Data Share: معرفی
• 53. اشتراک‌گذاری داده با Data Share
• 54. دریافت داده با Data Share
• 55. مدیریت اشتراک‌گذاری‌ها
• 56. امنیت در Data Share
• 57. مقدمه‌ای بر هوش تجاری (Business Intelligence)
• 58. Power BI: معرفی
• 59. اتصال به منابع داده در Power BI
• 60. مدل‌سازی داده در Power BI
• 61. ایجاد گزارش‌ها و داشبوردها در Power BI
• 62. انتشار و اشتراک‌گذاری گزارش‌ها
• 63. مفاهیم کلیدی در هوش تجاری
• 64. جمع‌آوری و پاک‌سازی داده
• 65. تحلیل اکتشافی داده (EDA)
• 66. مصورسازی داده (Data Visualization)
• 67. مقدمه‌ای بر معماری داده مدرن
• 68. مفاهیم Data Lakehouse
• 69. مزایای Data Lakehouse
• 70. پیاده‌سازی Data Lakehouse در Azure
• 71. امنیت داده در معماری مدرن
• 72. حاکمیت داده (Data Governance)
• 73. مدیریت کیفیت داده (Data Quality Management)
• 74. مفاهیم کلان داده و ابزارهای مرتبط
• 75. مقدمه‌ای بر یادگیری ماشین و داده
• 76. نقش داده در پروژه‌های یادگیری ماشین
• 77. Azure Machine Learning: معرفی
• 78. آماده‌سازی داده برای یادگیری ماشین
• 79. آموزش مدل‌های یادگیری ماشین
• 80. استقرار مدل‌های یادگیری ماشین
• 81. پایگاه داده‌های NoSQL در Azure
• 82. مقایسه پایگاه داده‌های رابطه‌ای و NoSQL
• 83. کاربرد پایگاه داده‌های NoSQL
• 84. مقدمه‌ای بر امنیت داده در Azure
• 85. اصول حفاظت از داده
• 86. مدیریت دسترسی در Azure
• 87. رمزنگاری داده در Azure
• 88. پایش و ثبت وقایع امنیتی
• 89. مقدمه‌ای بر اتوماسیون در مدیریت داده
• 90. استفاده از اسکریپت‌ها در مدیریت پایگاه داده
• 91. ابزارهای خط فرمان Azure
• 92. اتوماسیون وظایف تکراری
• 93. بهینه‌سازی عملکرد پایگاه داده
• 94. عیب‌یابی پایگاه داده
• 95. مفاهیم DevOps برای داده
• 96. چرخه عمر مدیریت داده
• 97. ملاحظات نهایی در راه‌حل‌های داده Azure