دوره Azure Data Factory: یکپارچه‌سازی داده‌ها در Azure همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Azure Data Factory: یکپارچه‌سازی داده‌ها در Azure

موضوع کلی: برنامه نویسی

موضوع میانی: Microsoft Azure

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یکپارچه‌سازی داده‌ها
• 2. آشنایی با Azure Data Factory
• 3. معماری و اجزای اصلی Azure Data Factory
• 4. ایجاد اولین پایپ‌لاین داده
• 5. اتصال به منابع داده مختلف در Azure
• 6. کار با Azure Blob Storage به عنوان منبع داده
• 7. کار با Azure SQL Database به عنوان منبع داده
• 8. کار با Azure Cosmos DB به عنوان منبع داده
• 9. استفاده از Linked Services برای مدیریت اتصالات
• 10. ایجاد و مدیریت Datasetها
• 11. تبدیل داده‌ها با استفاده از Data Flows
• 12. آشنایی با Data Flow Activities
• 13. تبدیل داده‌ها با استفاده از Mapping Data Flows
• 14. تبدیل داده‌ها با استفاده از Wrangling Data Flows
• 15. استفاده از فعالیت‌های Copy Data
• 16. تنظیمات و بهینه‌سازی فعالیت Copy Data
• 17. مدیریت خطاها و لاگ‌برداری در Azure Data Factory
• 18. مانیتورینگ و عیب‌یابی پایپ‌لاین‌ها
• 19. برنامه‌ریزی و زمان‌بندی اجرای پایپ‌لاین‌ها
• 20. استفاده از Triggers برای اجرای خودکار پایپ‌لاین‌ها
• 21. پارامترها و متغیرها در Azure Data Factory
• 22. استفاده از پارامترها برای ایجاد پایپ‌لاین‌های پویا
• 23. کار با متغیرهای سیستم و تعریف متغیرهای سفارشی
• 24. کنترل نسخه و همکاری در Azure Data Factory
• 25. استفاده از Git Integration برای مدیریت کد
• 26. استفاده از Azure Key Vault برای مدیریتSecretها
• 27. امنیت در Azure Data Factory
• 28. مدیریت دسترسی و مجوزها
• 29. کار با Azure Functions در Azure Data Factory
• 30. ادغام Azure Data Factory با سایر سرویس‌های Azure
• 31. استفاده از Azure Logic Apps در Azure Data Factory
• 32. پیاده‌سازی الگوهای رایج ETL با Azure Data Factory
• 33. بارگذاری داده‌های تدریجی (Incremental Load)
• 34. تغییر داده‌ها را ردیابی کنید (Change Data Capture)
• 35. بهینه‌سازی عملکرد پایپ‌لاین‌ها
• 36. بهینه‌سازی مصرف منابع و هزینه‌ها
• 37. استفاده از Integration Runtimeهای Self-Hosted
• 38. مقایسه Integration Runtimeهای Azure و Self-Hosted
• 39. کار با فعالیت‌های Custom
• 40. ایجاد فعالیت‌های سفارشی با استفاده از Azure Functions
• 41. استفاده از فعالیت‌های Lookup
• 42. کار با فعالیت‌های If Condition
• 43. کار با فعالیت‌های ForEach
• 44. کار با فعالیت‌های Get Metadata
• 45. مدیریت و پیکربندی Global Parameters
• 46. استفاده از Expressions در Azure Data Factory
• 47. آشنایی با توابع Expression
• 48. کار با توابع تاریخ و زمان در Expressions
• 49. کار با توابع رشته‌ای در Expressions
• 50. کار با توابع منطقی در Expressions
• 51. استفاده از Data Factory Monitoring به همراه Azure Monitor
• 52. تنظیم هشدارها و Alertها
• 53. استفاده از Log Analytics برای تجزیه و تحلیل لاگ‌ها
• 54. برنامه‌ریزی و مدیریت گردش کار داده پیچیده
• 55. استفاده از Pipeline Orchestration
• 56. استفاده از Child Pipelines
• 57. مدیریت وابستگی‌ها بین پایپ‌لاین‌ها
• 58. معرفی Azure Purview و یکپارچه‌سازی با Data Factory
• 59. مدیریت فراداده (Metadata)
• 60. کشف و فهرست‌بندی داده‌ها
• 61. آشنایی با Data Catalog
• 62. بهترین روش‌ها برای طراحی و پیاده‌سازی Azure Data Factory
• 63. مستندسازی و نگهداری پایپ‌لاین‌ها
• 64. استفاده از CI/CD برای Azure Data Factory
• 65. استفاده از DevOps برای مدیریت Data Factory
• 66. سناریوهای عملیاتی: یکپارچه‌سازی داده‌های فروش
• 67. سناریوهای عملیاتی: یکپارچه‌سازی داده‌های بازاریابی
• 68. سناریوهای عملیاتی: یکپارچه‌سازی داده‌های لجستیک
• 69. سناریوهای عملیاتی: یکپارچه‌سازی داده‌های مالی
• 70. آینده Azure Data Factory و نوآوری‌ها