دوره مبانی پایگاه داده و Big Data همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی پایگاه داده و Big Data

موضوع کلی: برنامه‌نویسی و محاسبات علمی

موضوع میانی: مبانی پایگاه داده

📋 سرفصل‌های دوره

• 1. مفاهیم اولیه داده، اطلاعات و سیستم‌های مدیریت پایگاه داده (DBMS)
• 2. معماری سه سطحی پایگاه داده (داخلی، مفهومی، خارجی) و استقلال داده
• 3. مدل‌سازی داده‌ها با دیاگرام موجودیت-رابطه (ER Diagram) و تبدیل آن به مدل رابطه‌ای
• 4. مفاهیم کلیدی مدل رابطه‌ای (جداول، کلید اصلی، کلید خارجی و قیود یکپارچگی)
• 5. اصول جبر رابطه‌ای و عملیات پایه روی جداول
• 6. زبان SQL: دستورات تعریف داده‌ها (DDL) و دستکاری داده‌ها (DML)
• 7. کوئری‌نویسی پیشرفته در SQL شامل Joinها، Subqueryها و گروه‌بندی داده‌ها
• 8. نرمال‌سازی جداول (فرم‌های نرمال 1NF، 2NF، 3NF و BCNF)
• 9. مفهوم تراکنش (Transaction) و ویژگی‌های ACID
• 10. مدیریت همزمانی و مکانیزم‌های قفل‌گذاری در پایگاه داده‌های رابطه‌ای
• 11. روش‌های بازگو و بازیابی داده‌ها (Backup and Recovery)
• 12. مفهوم ایندکس‌گذاری (Indexing) و ساختارهای داده‌ای B-Tree و Hash Index
• 13. طراحی پایگاه داده‌های تحلیلی و داده‌گاه (Data Warehouse)
• 14. معرفی تعاریف و ویژگی‌های کلیدی بیگ‌داده (Big Data) و ابعاد Vهای چندگانه
• 15. محدودیت‌های پایگاه داده‌های رابطه‌ای سنتی در مواجهه با حجم و سرعت بیگ‌داده
• 16. معرفی پایگاه داده‌های NoSQL و قضیه CAP (ثبات، دسترس‌پذیری، تحمل بخش‌بندی)
• 17. پایگاه داده‌های سندمحور (Document-based) و پیاده‌سازی عملی با MongoDB
• 18. پایگاه داده‌های کلید-مقدار (Key-Value) و مدیریت کش با Redis
• 19. پایگاه داده‌های ستون‌محور (Column-family) و مقیاس‌پذیری با Cassandra
• 20. پایگاه داده‌های گراف‌محور (Graph Databases) و مدل‌سازی روابط با Neo4j
• 21. معماری محاسبات توزیع‌شده و سیستم فایل توزیع‌شده (HDFS)
• 22. الگوریتم پردازش موازی MapReduce و نحوه کارکرد آن
• 23. اکوسیستم آپاچی هادوپ (Apache Hadoop) و مدیریت منابع با YARN
• 24. کوئری‌نویسی روی داده‌های کلان با استفاده از Apache Hive
• 25. پردازش در لحظه و درون‌حافظه‌ای داده‌ها با Apache Spark
• 26. پردازش جریانی داده‌ها (Stream Processing) با Apache Kafka و Spark Streaming
• 27. طراحی خطوط لوله داده (Data Pipelines) و معماری‌های Lambda و Kappa
• 28. امنیت داده‌ها، مدیریت دسترسی و حریم خصوصی در سیستم‌های Big Data