دوره توسعه‌دهنده حرفه‌ای برنامه‌های ابری و ترکیبی: از صفر تا استقرار همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توسعه‌دهنده حرفه‌ای برنامه‌های ابری و ترکیبی: از صفر تا استقرار

موضوع کلی: معماری و فناوری‌های محاسبات ابری

موضوع میانی: توسعه و استقرار برنامه‌های کاربردی ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات ابری و انواع مدل‌های استقرار
• 2. مجازی‌سازی: هسته اصلی فناوری‌های ابری
• 3. مبانی شبکه‌های کامپیوتری برای محیط‌های ابری
• 4. معماری سرویس‌گرا (SOA) و میکروسرویس‌ها
• 5. انتخاب زبان برنامه‌نویسی مناسب برای توسعه ابری
• 6. مقدمه‌ای بر کانتینرها و داکر
• 7. ارکستراسیون کانتینر با کوبرنتیس
• 8. آشنایی با پلتفرم‌های ابری رایج: AWS، Azure، Google Cloud
• 9. مدیریت زیرساخت به عنوان کد (IaC) با Terraform
• 10. اتوماسیون استقرار با استفاده از Ansible
• 11. معماری مقیاس‌پذیر و تحمل‌پذیر خطا در ابر
• 12. مبانی امنیت در محیط‌های ابری
• 13. مدیریت هویت و دسترسی (IAM) در ابر
• 14. مانیتورینگ و لاگینگ برنامه‌های ابری
• 15. بهینه‌سازی عملکرد برنامه‌های ابری
• 16. طراحی API برای برنامه‌های ابری
• 17. استفاده از پایگاه‌های داده NoSQL در ابر
• 18. مقدمه‌ای بر توابع بدون سرور (Serverless Functions)
• 19. توسعه برنامه‌های کاربردی با استفاده از AWS Lambda
• 20. توسعه برنامه‌های کاربردی با استفاده از Azure Functions
• 21. توسعه برنامه‌های کاربردی با استفاده از Google Cloud Functions
• 22. مقدمه‌ای بر سرویس‌های صف پیام (Message Queue)
• 23. استفاده از RabbitMQ در محیط‌های ابری
• 24. استفاده از Kafka در محیط‌های ابری
• 25. معماری رویداد محور (Event-Driven Architecture)
• 26. استفاده از Kubernetes برای استقرار میکروسرویس‌ها
• 27. استقرار برنامه‌های ابری با استفاده از CI/CD
• 28. مبانی تست برنامه‌های ابری
• 29. تست خودکار برنامه‌های ابری
• 30. مقدمه‌ای بر امنیت API
• 31. احراز هویت و مجوز در APIهای ابری
• 32. مبانی مدیریت هزینه در ابر
• 33. بهینه‌سازی هزینه‌ها در AWS
• 34. بهینه‌سازی هزینه‌ها در Azure
• 35. بهینه‌سازی هزینه‌ها در Google Cloud
• 36. معماری هیبریدی: ادغام ابر خصوصی و عمومی
• 37. مقدمه‌ای بر شبکه‌های تعریف‌شده توسط نرم‌افزار (SDN)
• 38. مقدمه‌ای بر سیاست‌های شبکه در ابر
• 39. استفاده از Load Balancer در محیط‌های ابری
• 40. مبانی ذخیره‌سازی ابری
• 41. انتخاب سرویس ذخیره‌سازی مناسب در ابر
• 42. مبانی Big Data و پردازش داده در ابر
• 43. استفاده از Apache Spark در ابر
• 44. استفاده از Hadoop در ابر
• 45. مقدمه‌ای بر یادگیری ماشین در ابر
• 46. استفاده از TensorFlow در ابر
• 47. استفاده از PyTorch در ابر
• 48. مقدمه‌ای بر اینترنت اشیا (IoT) و ابر
• 49. مقدمه‌ای بر بلاک‌چین و ابر
• 50. مبانی امنیت داده در ابر
• 51. رمزنگاری داده در حالت سکون و انتقال
• 52. مبانی انطباق با مقررات در محیط‌های ابری
• 53. استفاده از ابزارهای امنیتی ابری
• 54. مقدمه‌ای بر DevSecOps
• 55. معماری برنامه‌های کاربردی ابری با قابلیت مقیاس‌گذاری خودکار
• 56. استفاده از Caching برای بهبود عملکرد برنامه‌های ابری
• 57. مقدمه‌ای بر GraphQL
• 58. مقایسه REST و GraphQL
• 59. مقدمه‌ای بر gRPC
• 60. مقدمه‌ای بر WebSockets
• 61. مقدمه‌ای بر WebAssembly
• 62. استفاده از ابزارهای مانیتورینگ پیشرفته در ابر
• 63. عیب‌یابی و رفع اشکال برنامه‌های ابری
• 64. استفاده از الگوهای طراحی در توسعه ابری
• 65. مقدمه‌ای بر معماری رویداد-محور مقیاس‌پذیر
• 66. مقدمه‌ای بر Kubernetes Operators
• 67. مقدمه‌ای بر Serverless Framework
• 68. مقدمه‌ای بر Terraform Cloud
• 69. مقدمه‌ای بر Azure DevOps
• 70. مقدمه‌ای بر AWS CodePipeline
• 71. مقدمه‌ای بر Google Cloud Build
• 72. مقدمه‌ای بر Docker Swarm
• 73. مقدمه‌ای بر پایگاه داده‌های ابری مدیریت شده (Managed Databases)
• 74. مقدمه‌ای بر سرویس‌های صف پیام ابری (Cloud Message Queue Services)
• 75. مقدمه‌ای بر سرویس‌های کش ابری (Cloud Cache Services)
• 76. مقدمه‌ای بر سرویس‌های جستجوی ابری (Cloud Search Services)
• 77. مقدمه‌ای بر سرویس‌های تشخیص چهره و تصویر در ابر
• 78. مقدمه‌ای بر سرویس‌های تشخیص گفتار در ابر
• 79. مقدمه‌ای بر سرویس‌های ترجمه ماشینی در ابر