کتاب مهندسی داده کاربردی در اکوسیستم نرمافزار و زیرساختهای دادهای نوین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مهندسی داده کاربردی در اکوسیستم نرمافزار و زیرساختهای دادهای نوین
موضوع کلی: علوم کامپیوتر و فناوری اطلاعات
موضوع میانی: مهندسی داده
📋 سرفصل‌های دوره
- 1. مقدمه ای بر مهندسی داده
- 2. اصول مهندسی داده
- 3. معماری داده
- 4. انواع معماری داده
- 5. انبار داده
- 6. پایگاه داده رابطه‌ای
- 7. پایگاه داده NoSQL
- 8. مدل‌سازی داده
- 9. طراحی پایگاه داده
- 10. مبانی ETL
- 11. ابزارهای ETL
- 12. فرآیندهای ETL
- 13. پاکسازی داده
- 14. اعتبارسنجی داده
- 15. تبدیل داده
- 16. بارگذاری داده
- 17. مهندسی داده در کلان داده
- 18. مفاهیم کلان داده
- 19. سیستم‌های فایل توزیع شده
- 20. Hadoop
- 21. Spark
- 22. Kafka
- 23. پایپ‌لاین‌های داده
- 24. طراحی پایپ‌لاین داده
- 25. مانیتورینگ پایپ‌لاین داده
- 26. امنیت داده
- 27. حاکمیت داده
- 28. کیفیت داده
- 29. مدیریت چرخه حیات داده
- 30. استقرار زیرساخت داده
- 31. ابزارهای Orchestration
- 32. Apache Airflow
- 33. مدیریت پیکربندی
- 34. استانداردسازی داده
- 35. مدیریت فراداده
- 36. مدیریت واژه‌نامه داده
- 37. استانداردهای کدنویسی داده
- 38. تست در مهندسی داده
- 39. تست یکپارچگی داده
- 40. تست کارایی داده
- 41. تست امنیتی داده
- 42. کنترل نسخه در مهندسی داده
- 43. مدیریت کد منبع
- 44. استقرار مداوم
- 45. یکپارچه‌سازی مداوم
- 46. مهندسی داده در ابر
- 47. سرویس‌های ابری برای داده
- 48. AWS برای مهندسی داده
- 49. Azure برای مهندسی داده
- 50. Google Cloud برای مهندسی داده
- 51. امنیت در محیط ابری
- 52. هزینه‌کاوی در مهندسی داده ابری
- 53. مهاجرت به ابر
- 54. معماری میکروسرویس و داده
- 55. مدیریت داده در میکروسرویس‌ها
- 56. پایگاه داده توزیع شده
- 57. تکنیک‌های بازسازی داده
- 58. بهینه‌سازی پایگاه داده
- 59. فهرست‌گذاری در پایگاه داده
- 60. کاهش تأخیر در سیستم‌های داده
- 61. تحلیل عملکرد سیستم‌های داده
- 62. ابزارهای مانیتورینگ عملکرد
- 63. مدیریت صف پیام
- 64. کاربرد Kafka در مهندسی داده
- 65. پردازش جریانی داده
- 66. Apache Flink
- 67. پردازش دسته‌ای داده
- 68. مقایسه پردازش جریانی و دسته‌ای
- 69. طراحی سیستم‌های داده مقیاس‌پذیر
- 70. رشد زیرساخت داده
- 71. مدیریت ظرفیت داده
- 72. برنامه‌ریزی منابع داده
- 73. قوانین و مقررات داده
- 74. حفاظت از داده
- 75. رعایت حریم خصوصی داده
- 76. استانداردهای ISO برای داده
- 77. قوانین داده در ایران
- 78. اصول بانکداری بدون ربا در داده
- 79. عقود اسلامی در داده
- 80. انطباق با مقررات بانک مرکزی
- 81. مدیریت ریسک در مهندسی داده
- 82. کشف تقلب با داده
- 83. کاربرد هوش مصنوعی در مهندسی داده
- 84. یادگیری ماشین برای پاکسازی داده
- 85. یادگیری ماشین برای پیش‌بینی داده
- 86. دیجیتال مارکتینگ و داده
- 87. بهینه‌سازی تجربه کاربری با داده
- 88. تحلیل رفتار مشتری
- 89. مدیریت ارتباط با مشتری (CRM) و داده
- 90. تجارت الکترونیک و داده
- 91. امنیت اطلاعات در سازمان
- 92. مدیریت دسترسی به داده
- 93. رمزنگاری داده
- 94. پروتکل‌های امنیتی شبکه
- 95. جلوگیری از نفوذ
- 96. مقاوم‌سازی سیستم‌های داده
- 97. بازیابی فاجعه
- 98. استراتژی‌های پشتیبان‌گیری
- 99. فرهنگ داده در سازمان
- 100. آموزش کارکنان در زمینه داده
تگ‌ها:
اکوسیستم داده
بیگ دیتا
داده کاوی
زیرساخت داده
علوم داده
فناوری اطلاعات
مهندس داده
مهندسی داده
مهندسی نرم افزار
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.