کتاب داده‌های کلان در فضای ابری: AWS، Azure، Google Cloud 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 داده‌های کلان در فضای ابری: AWS، Azure، Google Cloud

موضوع کلی: فناوری اطلاعات و هوش مصنوعی

موضوع میانی: مدیریت و تحلیل داده‌های کلان

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر داده‌های کلان و محاسبات ابری
  • 2. معماری‌های رایج داده‌های کلان در ابر
  • 3. AWS S3: ذخیره‌سازی داده‌های کلان
  • 4. Azure Blob Storage: ذخیره‌سازی داده‌های کلان
  • 5. Google Cloud Storage: ذخیره‌سازی داده‌های کلان
  • 6. مقدمه‌ای بر پردازش داده‌های کلان در AWS
  • 7. Amazon EMR: پردازش داده‌های کلان با Hadoop و Spark
  • 8. Azure HDInsight: پردازش داده‌های کلان با Hadoop و Spark
  • 9. Google Cloud Dataproc: پردازش داده‌های کلان با Hadoop و Spark
  • 10. مقایسه EMR، HDInsight و Dataproc
  • 11. معماری Lambda در AWS برای داده‌های کلان
  • 12. Azure Functions و Google Cloud Functions برای داده‌های کلان
  • 13. پردازش جریانی داده‌ها با AWS Kinesis
  • 14. Azure Stream Analytics و Google Cloud Dataflow
  • 15. پایگاه داده‌های NoSQL در ابر: DynamoDB, Cosmos DB, Cloud Datastore
  • 16. انبار داده ابری: Amazon Redshift, Azure Synapse Analytics, Google BigQuery
  • 17. تحلیل داده‌های کلان با AWS Athena
  • 18. تحلیل داده‌های کلان با Azure Data Lake Analytics
  • 19. تحلیل داده‌های کلان با Google BigQuery
  • 20. ابزارهای بصری‌سازی داده در ابر: QuickSight, Power BI, Data Studio
  • 21. امنیت داده‌های کلان در AWS
  • 22. امنیت داده‌های کلان در Azure
  • 23. امنیت داده‌های کلان در Google Cloud
  • 24. مدیریت دسترسی و کنترل هویت در داده‌های کلان ابری
  • 25. بهینه‌سازی هزینه در داده‌های کلان ابری
  • 26. مقایسه مدل‌های قیمت‌گذاری AWS، Azure و Google Cloud
  • 27. مبانی DevOps برای داده‌های کلان در ابر
  • 28. اتوماسیون استقرار و پیکربندی زیرساخت داده‌های کلان
  • 29. مانیتورینگ و لاگینگ در داده‌های کلان ابری
  • 30. عیب‌یابی و رفع مشکلات داده‌های کلان در ابر
  • 31. مقدمه‌ای بر یادگیری ماشین در داده‌های کلان ابری
  • 32. AWS SageMaker: یادگیری ماشین مقیاس‌پذیر
  • 33. Azure Machine Learning و Google Cloud AI Platform
  • 34. پیاده‌سازی مدل‌های یادگیری ماشین در محیط ابری
  • 35. تحلیل پیش‌بینی با داده‌های کلان در ابر
  • 36. کاربردهای داده‌های کلان در صنعت خرده‌فروشی
  • 37. کاربردهای داده‌های کلان در صنعت مالی
  • 38. کاربردهای داده‌های کلان در حوزه سلامت
  • 39. کاربردهای داده‌های کلان در بازاریابی
  • 40. بهترین روش‌ها برای طراحی معماری داده‌های کلان در ابر
  • 41. مفاهیم Data Governance و Data Quality در ابر
  • 42. استفاده از Kubernetes برای مدیریت داده‌های کلان
  • 43. Data Cataloging و Metadata Management در ابر
  • 44. مقدمه‌ای بر Data Mesh و پیاده‌سازی آن در ابر
تگ‌ها: AWS Azure DevOps Google Cloud Hadoop NoSQL Spark امنیت داده انبار داده بیگ دیتا پردازش جریانی داده کاوی داده های کلان یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.