کتاب MongoDB برای تحلیلگران داده: از OLTP تا OLAP با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

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 MongoDB برای تحلیلگران داده: از OLTP تا OLAP

موضوع کلی: برنامه نویسی

موضوع میانی: پایگاه داده‌های NoSQL

📋 سرفصل‌های دوره

  • 1. آشنایی با پایگاه داده‌های NoSQL و MongoDB
  • 2. مفاهیم کلیدی MongoDB: داکیومنت، کالکشن، دیتابیس
  • 3. نصب و راه‌اندازی MongoDB و ابزارهای مرتبط
  • 4. مفاهیم مدل‌سازی داده در MongoDB
  • 5. انواع داده در MongoDB و نحوه ذخیره‌سازی
  • 6. مبانی زبان پرس‌وجو (Query Language) در MongoDB
  • 7. دستورات پایه CRUD: Insert, Find, Update, Delete
  • 8. کار با داکیومنت‌های JSON و BSON
  • 9. ساختاردهی داکیومنت‌ها و روابط در MongoDB
  • 10. شاخص‌گذاری (Indexing) در MongoDB برای بهینه‌سازی پرس‌وجوها
  • 11. انواع شاخص‌ها در MongoDB (Single, Compound, Text, Geospatial)
  • 12. طراحی شاخص‌های مؤثر برای تحلیل داده
  • 13. عملیات Aggregation Framework در MongoDB
  • 14. مراحل Pipeline در Aggregation
  • 15. اپراتورهای پرکاربرد Aggregation (Match, Group, Project, Sort)
  • 16. استفاده از Aggregation برای گزارش‌گیری و تحلیل داده
  • 17. تجمیع داده‌ها با استفاده از $lookup برای روابط
  • 18. تحلیل داده‌های سری زمانی (Time Series Data) در MongoDB
  • 19. مدیریت داده‌های مکانی (Geospatial Data) در MongoDB
  • 20. پرس‌وجوهای مکانی و شاخص‌های مکانی
  • 21. استفاده از MongoDB برای OLTP (پردازش تراکنش آنلاین)
  • 22. مقایسه MongoDB با پایگاه داده‌های رابطه‌ای برای OLTP
  • 23. مفاهیم معماری MongoDB: Replica Set و Sharding
  • 24. پیاده‌سازی Replica Set برای دسترسی بالا و تحمل خطا
  • 25. Sharding برای مقیاس‌پذیری افقی داده‌ها
  • 26. مدیریت Shard Cluster
  • 27. بهینه‌سازی عملکرد در MongoDB
  • 28. تنظیمات سرور و کلاینت MongoDB
  • 29. مانیتورینگ و لاگ‌گیری در MongoDB
  • 30. استفاده از MongoDB Atlas برای راهکارهای ابری
  • 31. مفاهیم پایگاه داده‌های ستونی (Columnar Databases)
  • 32. مقایسه MongoDB با پایگاه داده‌های ستونی برای OLAP
  • 33. کاربرد MongoDB در انبار داده (Data Warehouse)
  • 34. مراحل ETL (Extract, Transform, Load) با MongoDB
  • 35. استخراج داده از منابع مختلف به MongoDB
  • 36. تبدیل و پاک‌سازی داده‌ها
  • 37. بارگذاری داده‌ها در MongoDB برای تحلیل
  • 38. طراحی مدل داده ستونی در MongoDB برای OLAP
  • 39. استفاده از Aggregation برای کوئری‌های تحلیلی پیچیده
  • 40. تحلیل داده‌های حجیم (Big Data) با MongoDB
  • 41. ابزارهای مرتبط با تحلیل داده در اکوسیستم MongoDB
  • 42. ادغام MongoDB با ابزارهای BI (Business Intelligence)
  • 43. مبانی زبان Python برای تحلیل داده با MongoDB
  • 44. کتابخانه PyMongo برای اتصال به MongoDB
  • 45. نوشتن اسکریپت‌های Python برای پرس‌وجو و تحلیل
  • 46. استفاده از Pandas برای پردازش داده‌های استخراج شده
  • 47. تجسم داده‌ها با استفاده از Matplotlib و Seaborn
  • 48. کاربرد MongoDB در یادگیری ماشین (Machine Learning)
  • 49. ذخیره‌سازی و مدیریت ویژگی‌ها (Features)
  • 50. آماده‌سازی داده‌ها برای مدل‌های ML
  • 51. انتقال داده‌ها بین MongoDB و فریم‌ورک‌های ML
  • 52. مبانی پردازش موازی در MongoDB
  • 53. مفاهیم Sharding و توزیع داده‌ها
  • 54. بهینه‌سازی کوئری‌های توزیع شده
  • 55. مدیریت و نگهداری Shard Cluster
  • 56. مفاهیم ACID در پایگاه داده‌های رابطه‌ای
  • 57. مفاهیم BASE در پایگاه داده‌های NoSQL
  • 58. مدیریت تراکنش‌ها در MongoDB (از نسخه ۴.۰ به بعد)
  • 59. استراتژی‌های مدیریت تراکنش برای سناریوهای مختلف
  • 60. امنیت در MongoDB: احراز هویت و مجوزها
  • 61. تنظیمات امنیتی و بهترین روش‌ها
  • 62. مدیریت کاربران و نقش‌ها
  • 63. رمزنگاری داده‌ها در حالت سکون و در حال انتقال
  • 64. مدیریت و پشتیبان‌گیری از داده‌ها در MongoDB
  • 65. استراتژی‌های پشتیبان‌گیری و بازیابی
  • 66. استفاده از ابزارهای پشتیبان‌گیری MongoDB
  • 67. برنامه‌ریزی بازیابی از فاجعه (Disaster Recovery)
  • 68. مفاهیم داده‌کاوی (Data Mining)
  • 69. الگوهای کشف شده در داده‌ها
  • 70. شناسایی آنومالی‌ها و ناهنجاری‌ها
  • 71. خوشه‌بندی داده‌ها (Clustering)
  • 72. تحلیل پیش‌بینانه (Predictive Analytics)
  • 73. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 74. کاربرد MongoDB در ذخیره نتایج مدل‌های DL
  • 75. کاربرد MongoDB در ذخیره داده‌های آموزشی DL
  • 76. مبانی پردازش زبان طبیعی (NLP)
  • 77. استفاده از MongoDB برای ذخیره متون و تحلیل NLP
  • 78. تحلیل احساسات (Sentiment Analysis) با داده‌های MongoDB
  • 79. مباحث پیشرفته در Aggregation Framework
  • 80. استفاده از $facet برای اجرای چندین Pipeline
  • 81. کاربرد $graphLookup برای داده‌های گراف
  • 82. استفاده از Aggregation برای ساخت گزارش‌های پویا
  • 83. مفاهیم NoSQL برای تحلیلگران داده
  • 84. انتخاب ابزار مناسب برای تحلیل داده
  • 85. مهاجرت از پایگاه داده‌های رابطه‌ای به MongoDB
  • 86. چالش‌ها و راهکارها در مهاجرت
  • 87. بهترین روش‌ها برای طراحی مدل داده در MongoDB
  • 88. بهینه‌سازی پرس‌وجوها برای سناریوهای تحلیلی
  • 89. مقدمه‌ای بر مفاهیم داده‌های گراف (Graph Databases)
  • 90. مقایسه MongoDB با پایگاه داده‌های گراف
  • 91. کاربرد MongoDB در سیستم‌های توصیه‌گر (Recommender Systems)
  • 92. طراحی مدل داده برای سیستم‌های توصیه‌گر
  • 93. استفاده از Aggregation برای تولید توصیه‌ها
  • 94. مباحث پیشرفته امنیت در MongoDB
  • 95. تنظیمات فایروال و شبکه
  • 96. مدیریت دسترسی‌های دقیق (Fine-grained Access Control)
  • 97. نکات امنیتی در استفاده از MongoDB Atlas
  • 98. مفاهیم DevOps در مدیریت MongoDB
  • 99. اتوماسیون استقرار و پیکربندی
  • 100. مانیتورینگ و هشداردهی خودکار
تگ‌ها: MongoDB NoSQL OLAP OLTP پایگاه داده پایگاه داده NoSQL تحلیل داده تحلیلگر داده داده کاوی دیتابیس

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.