دوره مهندسی داده کاربردی در اکوسیستم نرم‌افزار و زیرساخت‌های داده‌ای نوین همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی داده کاربردی در اکوسیستم نرم‌افزار و زیرساخت‌های داده‌ای نوین

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: مهندسی داده

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مهندسی داده
• 2. اصول مهندسی داده
• 3. معماری داده
• 4. انواع معماری داده
• 5. انبار داده
• 6. پایگاه داده رابطه‌ای
• 7. پایگاه داده NoSQL
• 8. مدل‌سازی داده
• 9. طراحی پایگاه داده
• 10. مبانی ETL
• 11. ابزارهای ETL
• 12. فرآیندهای ETL
• 13. پاکسازی داده
• 14. اعتبارسنجی داده
• 15. تبدیل داده
• 16. بارگذاری داده
• 17. مهندسی داده در کلان داده
• 18. مفاهیم کلان داده
• 19. سیستم‌های فایل توزیع شده
• 20. Hadoop
• 21. Spark
• 22. Kafka
• 23. پایپ‌لاین‌های داده
• 24. طراحی پایپ‌لاین داده
• 25. مانیتورینگ پایپ‌لاین داده
• 26. امنیت داده
• 27. حاکمیت داده
• 28. کیفیت داده
• 29. مدیریت چرخه حیات داده
• 30. استقرار زیرساخت داده
• 31. ابزارهای Orchestration
• 32. Apache Airflow
• 33. مدیریت پیکربندی
• 34. استانداردسازی داده
• 35. مدیریت فراداده
• 36. مدیریت واژه‌نامه داده
• 37. استانداردهای کدنویسی داده
• 38. تست در مهندسی داده
• 39. تست یکپارچگی داده
• 40. تست کارایی داده
• 41. تست امنیتی داده
• 42. کنترل نسخه در مهندسی داده
• 43. مدیریت کد منبع
• 44. استقرار مداوم
• 45. یکپارچه‌سازی مداوم
• 46. مهندسی داده در ابر
• 47. سرویس‌های ابری برای داده
• 48. AWS برای مهندسی داده
• 49. Azure برای مهندسی داده
• 50. Google Cloud برای مهندسی داده
• 51. امنیت در محیط ابری
• 52. هزینه‌کاوی در مهندسی داده ابری
• 53. مهاجرت به ابر
• 54. معماری میکروسرویس و داده
• 55. مدیریت داده در میکروسرویس‌ها
• 56. پایگاه داده توزیع شده
• 57. تکنیک‌های بازسازی داده
• 58. بهینه‌سازی پایگاه داده
• 59. فهرست‌گذاری در پایگاه داده
• 60. کاهش تأخیر در سیستم‌های داده
• 61. تحلیل عملکرد سیستم‌های داده
• 62. ابزارهای مانیتورینگ عملکرد
• 63. مدیریت صف پیام
• 64. کاربرد Kafka در مهندسی داده
• 65. پردازش جریانی داده
• 66. Apache Flink
• 67. پردازش دسته‌ای داده
• 68. مقایسه پردازش جریانی و دسته‌ای
• 69. طراحی سیستم‌های داده مقیاس‌پذیر
• 70. رشد زیرساخت داده
• 71. مدیریت ظرفیت داده
• 72. برنامه‌ریزی منابع داده
• 73. قوانین و مقررات داده
• 74. حفاظت از داده
• 75. رعایت حریم خصوصی داده
• 76. استانداردهای ISO برای داده
• 77. قوانین داده در ایران
• 78. اصول بانکداری بدون ربا در داده
• 79. عقود اسلامی در داده
• 80. انطباق با مقررات بانک مرکزی
• 81. مدیریت ریسک در مهندسی داده
• 82. کشف تقلب با داده
• 83. کاربرد هوش مصنوعی در مهندسی داده
• 84. یادگیری ماشین برای پاکسازی داده
• 85. یادگیری ماشین برای پیش‌بینی داده
• 86. دیجیتال مارکتینگ و داده
• 87. بهینه‌سازی تجربه کاربری با داده
• 88. تحلیل رفتار مشتری
• 89. مدیریت ارتباط با مشتری (CRM) و داده
• 90. تجارت الکترونیک و داده
• 91. امنیت اطلاعات در سازمان
• 92. مدیریت دسترسی به داده
• 93. رمزنگاری داده
• 94. پروتکل‌های امنیتی شبکه
• 95. جلوگیری از نفوذ
• 96. مقاوم‌سازی سیستم‌های داده
• 97. بازیابی فاجعه
• 98. استراتژی‌های پشتیبان‌گیری
• 99. فرهنگ داده در سازمان
• 100. آموزش کارکنان در زمینه داده