کتاب راهکارهای نوین جمع‌آوری، پردازش و ذخیره‌سازی داده در بسترهای ابری با استاندارد AWS با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهکارهای نوین جمع‌آوری، پردازش و ذخیره‌سازی داده در بسترهای ابری با استاندارد AWS

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: مهندسی داده و زیرساخت‌های ابری

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و معماری کلی مهندسی داده در بسترهای ابری
• 2. آشنایی با سرویس‌های ذخیره‌سازی داده در AWS
• 3. اصول طراحی مخازن داده یا Data Lake در محیط ابری
• 4. استفاده از سرویس Amazon S3 برای ذخیره‌سازی اشیاء
• 5. پیکربندی سیاست‌های دسترسی و رمزنگاری در S3
• 6. بررسی چرخه حیات داده و مدیریت هزینه‌های ذخیره‌سازی
• 7. آشنایی با انواع پایگاه‌های داده رابطه‌ای و سرویس Amazon RDS
• 8. بهینه‌سازی و مقیاس‌پذیری پایگاه‌های داده در محیط ابری
• 9. مبانی کار با پایگاه‌های داده NoSQL و سرویس Amazon DynamoDB
• 10. طراحی مدل داده برای مقیاس‌پذیری بالا در DynamoDB
• 11. استفاده از Amazon Redshift برای تحلیل داده‌های حجیم
• 12. مفاهیم انباره داده و طراحی مدل‌های ستونی
• 13. آشنایی با سرویس‌های انتقال داده و AWS DataSync
• 14. پیاده‌سازی خط لوله انتقال داده با AWS Glue
• 15. مدیریت کاتالوگ داده با استفاده از AWS Glue Data Catalog
• 16. استفاده از AWS Lambda برای پردازش‌های رویدادمحور
• 17. پردازش بلادرنگ داده‌ها با Amazon Kinesis Data Streams
• 18. تحلیل و پردازش جریان‌های داده با Amazon Kinesis Data Analytics
• 19. ذخیره‌سازی جریان‌های داده با Amazon Kinesis Data Firehose
• 20. یکپارچه‌سازی منابع داده با استفاده از AWS AppSync
• 21. آشنایی با سرویس Amazon MSK برای مدیریت Apache Kafka
• 22. امنیت در انتقال داده و استفاده از پروتکل‌های رمزنگاری
• 23. مانیتورینگ و مشاهده‌پذیری داده‌ها با Amazon CloudWatch
• 24. مدیریت لاگ‌ها و عیب‌یابی خطاهای خط لوله داده
• 25. استفاده از AWS CloudTrail برای ممیزی دسترسی‌ها
• 26. بهینه‌سازی عملکرد پرس‌وجوها در انباره‌های داده
• 27. استفاده از Athena برای پرس‌وجو بر روی داده‌های S3
• 28. طراحی معماری‌های داده‌محور با رویکرد Serverless
• 29. مدیریت کلیدهای رمزنگاری با AWS KMS
• 30. ارزیابی کیفیت داده و پاک‌سازی داده‌ها در خط لوله
• 31. شناسایی و حذف داده‌های تکراری در فرآیندهای ETL
• 32. تبدیل و آماده‌سازی داده‌ها برای مدل‌های هوش مصنوعی
• 33. مدیریت نسخه‌بندی داده‌ها و مدل‌ها در طول چرخه حیات
• 34. یکپارچه‌سازی داده‌ها با استفاده از AWS Lake Formation
• 35. حکمرانی داده و رعایت استانداردهای امنیتی
• 36. استفاده از Amazon SageMaker Feature Store برای مدیریت ویژگی‌ها
• 37. اتوماسیون استقرار زیرساخت‌های داده با AWS CloudFormation
• 38. بررسی الگوهای طراحی داده در مقیاس سازمانی
• 39. استراتژی‌های مهاجرت داده از سیستم‌های محلی به ابر
• 40. مانیتورینگ هزینه‌ها و بهینه‌سازی زیرساخت ابری AWS