کتاب اتوماسیون ETL در ابر با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 اتوماسیون ETL در ابر

موضوع کلی: مدیریت و بهینه‌سازی زیرساخت ابری

موضوع میانی: هوش تجاری (BI) در ابر

📋 سرفصل‌های دوره

  • 1. مبانی اتوماسیون استخراج، تبدیل و بارگذاری داده‌ها
  • 2. معماری سیستم‌های ETL مدرن
  • 3. معرفی سرویس‌های ابری برای ETL
  • 4. انتخاب پلتفرم ابری مناسب برای ETL
  • 5. نصب و پیکربندی ابزارهای ETL در ابر
  • 6. اتصال به منابع داده مختلف در ابر
  • 7. استخراج داده از پایگاه‌های داده رابطه‌ای
  • 8. استخراج داده از فایل‌های متنی و لاگ‌ها
  • 9. استخراج داده از APIها و سرویس‌های وب
  • 10. تبدیل داده‌ها: پاکسازی و اعتبارسنجی
  • 11. تبدیل داده‌ها: استانداردسازی و نرمال‌سازی
  • 12. تبدیل داده‌ها: تجمیع و محاسبه
  • 13. تبدیل داده‌ها: پیاده‌سازی منطق کسب‌وکار
  • 14. بارگذاری داده‌ها در انبارهای داده ابری
  • 15. بارگذاری داده‌ها در دریاچه‌های داده ابری
  • 16. بهینه‌سازی عملکرد فرآیندهای ETL
  • 17. مانیتورینگ و لاگ‌برداری از فرآیندهای ETL
  • 18. مدیریت خطا و بازیابی در فرآیندهای ETL
  • 19. امنیت داده‌ها در فرآیندهای ETL ابری
  • 20. مقدمه‌ای بر ETL بلادرنگ (Real-time ETL)
  • 21. پیاده‌سازی ETL بلادرنگ با استفاده از استریمینگ
  • 22. مقایسه ETL دسته‌ای و ETL بلادرنگ
  • 23. استفاده از ابزارهای گردش کار (Workflow) در ETL
  • 24. اتوماسیون زمان‌بندی فرآیندهای ETL
  • 25. مدیریت метаداده (Metadata) در ETL
  • 26. طراحی مدل‌سازی داده برای انبار داده
  • 27. بهینه‌سازی پرس‌وجو در انبارهای داده ابری
  • 28. استفاده از ایندکس‌ها برای بهبود عملکرد
  • 29. مقدمه‌ای بر Data Virtualization
  • 30. یکپارچه‌سازی ETL با ابزارهای هوش تجاری
  • 31. تحلیل و گزارش‌گیری از داده‌های ETL شده
  • 32. استفاده از یادگیری ماشین در فرآیندهای ETL
  • 33. پیش‌بینی و تشخیص ناهنجاری در داده‌ها
  • 34. کیفیت داده و نقش آن در ETL
  • 35. معماری Lambda و Kappa برای ETL
  • 36. استفاده از Docker و Kubernetes برای استقرار ETL
  • 37. مقایسه سرویس‌های ETL ابری مختلف (AWS Glue, Azure Data Factory, Google Dataflow)
  • 38. بهترین روش‌ها برای طراحی فرآیندهای ETL
  • 39. استفاده از پارتیشن‌بندی برای بهبود مقیاس‌پذیری
  • 40. مقایسه فرمت‌های فایل برای ذخیره‌سازی داده (Parquet, ORC, Avro)
  • 41. استفاده از ابزارهای خط فرمان برای مدیریت ETL
  • 42. مقدمه‌ای بر Data Governance و Compliance
  • 43. امنیت شبکه‌ای در فرآیندهای ETL ابری
  • 44. تست و اعتبارسنجی فرآیندهای ETL
  • 45. مستندسازی فرآیندهای ETL

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.