کتاب راهکارهای نوین مهندسی داده و پیاده‌سازی یادگیری ماشین در بسترهای ابری (Cloud) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهکارهای نوین مهندسی داده و پیاده‌سازی یادگیری ماشین در بسترهای ابری (Cloud)

موضوع کلی: علوم داده و رایانش ابری

موضوع میانی: مهندسی داده‌های مقیاس‌پذیر و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی مهندسی داده و معماری سامانه‌های ابری
• 2. چرخه حیات داده در محیط‌های ابری و مدل‌های پردازش
• 3. آشنایی با مفاهیم زیرساخت به عنوان کد در فضای ابری
• 4. مدیریت منابع و مقیاس‌پذیری در بسترهای رایانش ابری
• 5. ذخیره‌سازی داده‌های ساختاریافته در پایگاه‌های داده رابطه‌ای ابری
• 6. مفاهیم داده‌های حجیم و معماری‌های توزیع‌شده
• 7. آشنایی با انباره‌های داده ابری و مدیریت کلان‌داده
• 8. معماری‌های پردازش دسته‌ای در مقیاس بزرگ
• 9. پردازش جریان داده و تحلیل‌های بلادرنگ
• 10. مدیریت و بهینه‌سازی ذخیره‌سازی اشیاء در فضای ابری
• 11. امنیت داده‌ها و کنترل دسترسی در سامانه‌های ابری
• 12. مدیریت هویت و دسترسی در سرویس‌های ابری
• 13. طراحی خط لوله داده با استفاده از ابزارهای ارکستراسیون
• 14. استخراج، انتقال و بارگذاری داده در محیط‌های ابری
• 15. یکپارچه‌سازی داده‌ها از منابع ناهمگون
• 16. کیفیت‌سنجی و پاک‌سازی داده‌ها در خطوط لوله مهندسی
• 17. آشنایی با پردازش موازی و چارچوب‌های محاسباتی
• 18. مبانی یادگیری ماشین و نقش مهندسی داده در آن
• 19. آماده‌سازی مجموعه‌های داده برای آموزش مدل‌های هوش مصنوعی
• 20. مهندسی ویژگی‌ها در مقیاس بزرگ
• 21. آموزش مدل‌های یادگیری ماشین در بسترهای ابری
• 22. ارزیابی و اعتبارسنجی مدل‌های هوش مصنوعی
• 23. استقرار مدل‌های یادگیری ماشین در محیط‌های عملیاتی
• 24. نظارت و نگهداری مدل‌های مستقر شده در ابر
• 25. بهینه‌سازی عملکرد مدل‌های یادگیری ماشین
• 26. مدیریت چرخه‌ حیات یادگیری ماشین
• 27. آشنایی با یادگیری عمیق و کاربردهای آن در تحلیل داده
• 28. تحلیل داده‌های تصویری و متنی در مقیاس ابری
• 29. مفاهیم تحلیل پیش‌گویانه و داده‌کاوی
• 30. بصری‌سازی داده‌ها و داشبوردهای مدیریتی
• 31. حکمرانی داده و رعایت استانداردهای امنیت اطلاعات
• 32. انطباق با مقررات ملی در مدیریت داده‌های حساس
• 33. پشتیبان‌گیری، بازیابی و تداوم کسب‌وکار در ابر
• 34. بهینه‌سازی هزینه‌های زیرساخت و پردازش ابری
• 35. استفاده از کانتینرها در استقرار سامانه‌های داده‌محور
• 36. مدیریت خوشه‌ها و هماهنگ‌سازی کانتینرها
• 37. آشنایی با معماری میکروسرویس در سامانه‌های داده‌محور
• 38. تکنیک‌های افزایش کارایی در پرس‌وجوهای پیچیده
• 39. مستندسازی و مدیریت دانش در پروژه‌های مهندسی داده
• 40. بررسی موردی معماری‌های موفق در سامانه‌های بومی ابری