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

Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Python (Dash) Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Python (Dash) دنیای ابری در انتظار شماست: با GCP اوج بگیرید! آیا آماده‌اید ت...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 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. مبانی Python برای GCP:
  • 2. نصب و راه‌اندازی Python
  • 3. مبانی Syntax Python
  • 4. ساختار داده‌ها در Python (لیست، تاپل، دیکشنری)
  • 5. کنترل جریان (if/else، حلقه ها)
  • 6. توابع در Python
  • 7. ماژول‌ها و بسته‌ها در Python
  • 8. محیط‌های مجازی Python (venv)
  • 9. مروری بر مفاهیم شیء‌گرایی در Python
  • 10. آشنایی با کتابخانه‌های Python (requests, datetime, os)
  • 11. نصب و راه‌اندازی Google Cloud SDK (gcloud CLI)
  • 12. ایجاد و مدیریت پروژه در Google Cloud Platform
  • 13. آشنایی با Google Cloud Console
  • 14. مروری بر خدمات اساسی GCP
  • 15. مدیریت حساب کاربری و نقش‌ها در GCP
  • 16. آشنایی با Cloud Shell
  • 17. مستندات و منابع GCP
  • 18. GCP و امنیت: اصول اولیه
  • 19. مدیریت منابع در GCP
  • 20. آشنایی با Cloud Storage
  • 21. آپلود و دانلود فایل‌ها از Cloud Storage با Python
  • 22. استفاده از Cloud Storage API با Python
  • 23. آشنایی با Cloud Functions
  • 24. ایجاد و استقرار یک Cloud Function با Python
  • 25. اجرای Cloud Function با HTTP Trigger
  • 26. اجرای Cloud Function با Cloud Storage Trigger
  • 27. اجرای Cloud Function با Cloud Pub/Sub Trigger
  • 28. لاگ‌گیری و مانیتورینگ Cloud Functions
  • 29. آشنایی با Cloud Pub/Sub
  • 30. انتشار و اشتراک در Cloud Pub/Sub با Python
  • 31. طراحی سیستم‌های غیرهمزمان با Cloud Pub/Sub
  • 32. آشنایی با Cloud SQL
  • 33. ایجاد و پیکربندی Cloud SQL برای PostgreSQL
  • 34. اتصال به Cloud SQL با Python (psycopg2)
  • 35. کوئری زدن به Cloud SQL با Python
  • 36. مدیریت تراکنش‌ها در Cloud SQL
  • 37. آشنایی با Cloud Datastore
  • 38. ذخیره و بازیابی داده‌ها در Cloud Datastore با Python
  • 39. کوئری زدن به Cloud Datastore با Python
  • 40. مدیریت شاخص‌ها در Cloud Datastore
  • 41. آشنایی با Cloud Firestore
  • 42. ذخیره و بازیابی داده‌ها در Cloud Firestore با Python
  • 43. کوئری زدن به Cloud Firestore با Python
  • 44. ساختارهای داده‌ای در Cloud Firestore
  • 45. آشنایی با Cloud Build
  • 46. ساخت، تست و استقرار اپلیکیشن‌ها با Cloud Build
  • 47. ایجاد Pipeline در Cloud Build
  • 48. استفاده از Docker در Cloud Build
  • 49. آشنایی با Cloud Run
  • 50. استقرار یک اپلیکیشن Python بر روی Cloud Run
  • 51. مدیریت ترافیک و نسخه‌ها در Cloud Run
  • 52. مقیاس‌پذیری خودکار در Cloud Run
  • 53. آشنایی با Cloud Logging و Cloud Monitoring
  • 54. لاگ‌گیری در اپلیکیشن‌های Python در GCP
  • 55. مانیتورینگ منابع در GCP
  • 56. آگاهی‌رسانی و هشدارها در GCP
  • 57. آشنایی با Virtual Machines (Compute Engine)
  • 58. ایجاد و پیکربندی یک VM در Compute Engine
  • 59. اتصال به یک VM با SSH
  • 60. استفاده از Docker در Compute Engine
  • 61. آشنایی با Kubernetes Engine (GKE)
  • 62. مروری بر مفاهیم Kubernetes
  • 63. استقرار یک اپلیکیشن Python بر روی GKE
  • 64. مدیریت Pods, Deployments و Services در GKE
  • 65. آشنایی با Cloud DNS
  • 66. تنظیم Cloud DNS برای دامنه
  • 67. مدیریت رکوردهای DNS
  • 68. آشنایی با Cloud CDN
  • 69. پیکربندی Cloud CDN برای بهبود عملکرد
  • 70. آشنایی با Identity and Access Management (IAM)
  • 71. مدیریت دسترسی‌ها و نقش‌ها با IAM
  • 72. اصول امنیت و بهترین روش‌ها در GCP
  • 73. آشنایی با Cloud Armor
  • 74. محافظت از اپلیکیشن‌ها با Cloud Armor
  • 75. آشنایی با Cloud Key Management Service (KMS)
  • 76. مدیریت کلیدهای رمزنگاری با KMS
  • 77. رمزنگاری و رمزگشایی داده‌ها با KMS
  • 78. آشنایی با Cloud VPC
  • 79. شبکه‌سازی در GCP
  • 80. ایجاد و مدیریت شبکه‌های مجازی
  • 81. بهترین روش‌های شبکه‌سازی در GCP
  • 82. آشنایی با Cloud Load Balancing
  • 83. پیکربندی Load Balancer برای اپلیکیشن‌ها
  • 84. انواع Load Balancer در GCP
  • 85. بهینه‌سازی هزینه‌ها در GCP
  • 86. مدیریت بودجه و هزینه‌ها
  • 87. استفاده از سرویس‌های رایگان GCP
  • 88. پروفایل عملکرد اپلیکیشن‌ها
  • 89. اشکال‌زدایی اپلیکیشن‌های Python در GCP
  • 90. استفاده از سرویس‌های مدیریت پیکربندی در GCP
  • 91. آشنایی با Terraform و Infrastructure as Code (IaC)
  • 92. استفاده از Terraform برای استقرار زیرساخت GCP
  • 93. یکپارچه‌سازی با CI/CD
  • 94. استفاده از Cloud Scheduler
  • 95. خودکارسازی وظایف با Cloud Scheduler
  • 96. آشنایی با Cloud Tasks
  • 97. مدیریت Queue و Tasks
  • 98. پیاده‌سازی یک وب‌سرویس ساده با Python و Flask/FastAPI
  • 99. استفاده از Cloud Endpoints برای مدیریت API
  • 100. امنیت API با Cloud Endpoints
تگ‌ها: Cloud Computing Cloud Run Dash GCP Google Cloud Platform Python آموزش GCP آموزش پایتون ابری استقرار پایتون در GCP برنامه نویسی پایتون توسعه وب دش پلاتلی رایانش ابری گوگل کلاد

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.