کتاب Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Python (Dash) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Python (Dash)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. آشنایی با رایانش ابری و مدل‌های آن (IaaS, PaaS, SaaS)
• 2. چرا Google Cloud Platform؟ مزایا برای توسعه‌دهندگان پایتون
• 3. مروری بر سرویس‌های اصلی GCP
• 4. راه‌اندازی حساب کاربری و پروژه در GCP
• 5. ناوبری در کنسول GCP
• 6. نصب و پیکربندی Cloud SDK (gcloud CLI)
• 7. مدیریت هویت و دسترسی (IAM): کاربران، نقش‌ها و مجوزها (مقدماتی)
• 8. مفاهیم صورت‌حساب و مدیریت هزینه‌ها در GCP
• 9. سلسله‌مراتب منابع (سازمان‌ها، پوشه‌ها، پروژه‌ها)
• 10. مناطق و ناحیه‌ها (Regions and Zones)
• 11. Compute Engine: ماشین‌های مجازی (VMs) و نمونه‌ها
• 12. پیکربندی و راه‌اندازی اولین VM
• 13. استفاده از تصاویر ماشین سفارشی (Custom Machine Images)
• 14. گروه‌های نمونه (Instance Groups) و مقیاس‌پذیری خودکار
• 15. App Engine: مروری بر محیط‌های Standard و Flexible
• 16. استقرار یک برنامه پایتون ساده در App Engine Standard
• 17. مدیریت نسخه‌ها و ترافیک در App Engine
• 18. Cloud Run: سرویس‌های کانتینری بدون سرور
• 19. داکرایز کردن یک برنامه پایتون برای Cloud Run
• 20. استقرار و پیکربندی یک برنامه در Cloud Run
• 21. Cloud Functions: توابع بدون سرور مبتنی بر رویداد
• 22. نوشتن و استقرار Cloud Function با پایتون
• 23. GKE (Kubernetes Engine): معرفی و مفاهیم پایه کوبرنتیس
• 24. استقرار یک برنامه ساده پایتون در GKE (مرور کلی)
• 25. معرفی Anthos برای مدیریت هیبریدی و چندابری
• 26. Cloud Storage: سطوح ذخیره‌سازی، سطل‌ها و اشیاء
• 27. آپلود و دانلود داده‌ها با استفاده از کتابخانه پایتون
• 28. مدیریت دسترسی و امنیت در Cloud Storage
• 29. Cloud SQL: پایگاه داده‌های رابطه‌ای مدیریت‌شده (PostgreSQL, MySQL)
• 30. اتصال برنامه‌های پایتون به Cloud SQL
• 31. Cloud Datastore / Firestore: پایگاه داده‌های NoSQL برای برنامه‌های وب
• 32. کار با Firestore در پایتون
• 33. Memorystore: کشینگ با Redis و Memcached
• 34. Persistent Disk و قابلیت‌های آن برای Compute Engine
• 35. Snapshotها و Backupها در GCP
• 36. VPC (Virtual Private Cloud): شبکه‌های خصوصی مجازی
• 37. زیرشبکه‌ها (Subnets) و آدرس‌های IP
• 38. قوانین فایروال (Firewall Rules)
• 39. Cloud Load Balancing: توزیع‌کننده‌های بار جهانی و منطقه‌ای
• 40. Cloud CDN: شبکه‌ تحویل محتوا
• 41. BigQuery: انبار داده ابری مقیاس‌پذیر
• 42. کوئری زدن BigQuery با کتابخانه پایتون
• 43. استریمینگ داده‌ها به BigQuery
• 44. Cloud Pub/Sub: سرویس پیام‌رسانی بلادرنگ
• 45. انتشار و اشتراک پیام‌ها با پایتون
• 46. Dataflow: پردازش داده‌های دسته‌ای و جریانی (مقدماتی)
• 47. نوشتن یک پایپ‌لاین Apache Beam در پایتون (مقدماتی)
• 48. Cloud Storage FUSE: دسترسی آسان به Cloud Storage
• 49. Data Catalog: کشف و مدیریت فراداده‌ها (مقدماتی)
• 50. BigTable: پایگاه داده NoSQL برای حجم‌های عظیم داده (مقدماتی)
• 51. Cloud Source Repositories: مخازن کد خصوصی
• 52. Cloud Build: پلتفرم CI/CD
• 53. ساخت ایمیج‌های داکر با Cloud Build
• 54. استقرار برنامه‌ها با استفاده از Cloud Build
• 55. Artifact Registry: مدیریت پکیج‌ها و ایمیج‌های داکر
• 56. Cloud Monitoring: نظارت بر عملکرد و معیارهای سیستم
• 57. Cloud Logging: جمع‌آوری و تحلیل لاگ‌ها
• 58. Error Reporting: ردیابی و گزارش خطاهای برنامه
• 59. Cloud Trace و Cloud Debugger: بررسی و اشکال‌زدایی برنامه‌ها
• 60. Secret Manager: مدیریت امن اطلاعات حساس
• 61. مروری بر Dash: ساختار و کامپوننت‌های اساسی
• 62. تنظیم یک پروژه Dash محلی
• 63. بهترین روش‌ها برای ساختاردهی برنامه Dash برای پروداکشن
• 64. استقرار یک برنامه Dash ساده در App Engine Standard
• 65. مدیریت دارایی‌های ایستا (Static Assets) در Dash روی App Engine
• 66. استقرار یک برنامه Dash داکرایز شده در Cloud Run
• 67. مدیریت متغیرهای محیطی و Secrets در Cloud Run برای Dash
• 68. استفاده از gunicorn یا waitress برای پرفورمنس Dash در پروداکشن
• 69. استقرار برنامه Dash روی Compute Engine (با Nginx)
• 70. کانتینرسازی پیشرفته برنامه Dash با Dockerfile Best Practices
• 71. استقرار یک برنامه Dash در GKE (استفاده از Deployment و Service)
• 72. مقیاس‌پذیری خودکار (Autoscaling) برنامه‌های Dash در GCP
• 73. نظارت بر عملکرد برنامه Dash با Cloud Monitoring
• 74. اتصال Dash به Cloud SQL (PostgreSQL)
• 75. بصری‌سازی داده‌های BigQuery با Dash
• 76. به‌روزرسانی بلادرنگ Dash با Cloud Pub/Sub
• 77. ذخیره و بازیابی اطلاعات کاربر Dash در Firestore
• 78. استفاده از Cloud Storage برای داده‌های بزرگ در Dash
• 79. احراز هویت کاربران در Dash با Identity-Aware Proxy (IAP)
• 80. پیاده‌سازی Google Sign-In برای کاربران Dash
• 81. مدیریت اطلاعات حساس Dash با Secret Manager
• 82. بهینه‌سازی هزینه برای استقرار Dash در GCP
• 83. استفاده از Cloud Scheduler برای به‌روزرسانی‌های زمان‌بندی‌شده Dash
• 84. Cache کردن داده‌ها در Dash با Memorystore (Redis)
• 85. مانیتورینگ لاگ‌های Dash با Cloud Logging
• 86. Infrastructure as Code (IaC) با Terraform در GCP
• 87. استقرار یک محیط کامل GCP برای Dash با Terraform
• 88. IAM پیشرفته: نقش‌های سفارشی و Service Accounts
• 89. VPC Service Controls: ایجاد مرزهای امنیتی برای داده‌ها
• 90. Cloud Armor: محافظت از برنامه Dash در برابر حملات DDoS و WAF
• 91. استراتژی‌های مهاجرت برنامه Dash موجود به GCP
• 92. امنیت پیشرفته در GCP برای برنامه‌های Dash
• 93. پیاده‌سازی CDN برای دارایی‌های Dash
• 94. مدیریت و مانیتورینگ پیشرفته لاگ‌ها برای برنامه‌های پیچیده Dash
• 95. استفاده از Custom Metrics در Cloud Monitoring برای Dash
• 96. هوش مصنوعی و یادگیری ماشین با Vertex AI (معرفی و ارتباط با Dash)
• 97. استراتژی‌های disaster recovery و high availability برای Dash
• 98. بررسی Cost Explorer و ابزارهای بهینه‌سازی هزینه
• 99. مروری بر به‌روزرسانی‌ها و ویژگی‌های جدید GCP برای توسعه‌دهندگان
• 100. نکات و ترفندهای عملی برای توسعه و نگهداری Dash در GCP