کتاب استخراج، تبدیل، بارگذاری (ETL) عملی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استخراج، تبدیل، بارگذاری (ETL) عملی

موضوع کلی: مهندسی داده و اتوماسیون فرآیندها

موضوع میانی: ادغام و هماهنگ‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مفاهیم پایه‌ای استخراج، تبدیل و بارگذاری داده‌ها
• 2. معماری کلی سیستم‌های ETL
• 3. شناخت منابع داده‌های مختلف
• 4. انواع پایگاه‌های داده رابطه‌ای
• 5. انواع پایگاه‌های داده غیر رابطه‌ای
• 6. روش‌های اتصال به پایگاه‌های داده
• 7. استفاده از SQL برای استخراج داده‌ها
• 8. مقدمه‌ای بر زبان‌های اسکریپتی در ETL
• 9. استفاده از Python برای استخراج داده‌ها
• 10. استفاده از Java برای استخراج داده‌ها
• 11. تکنیک‌های پاکسازی داده‌ها
• 12. استانداردسازی فرمت داده‌ها
• 13. حذف داده‌های تکراری و نامعتبر
• 14. تبدیل انواع داده‌ها
• 15. اعتبارسنجی داده‌ها و مدیریت خطاها
• 16. مقدمه‌ای بر Data Warehousing
• 17. مفاهیم Schema در Data Warehouse
• 18. طراحی ابعاد و فکت‌ها
• 19. مدل‌سازی ستاره‌ای (Star Schema)
• 20. مدل‌سازی برف‌دانه (Snowflake Schema)
• 21. بارگذاری داده‌ها در Data Warehouse
• 22. استفاده از ابزارهای ETL تجاری
• 23. معرفی ابزار Informatica PowerCenter
• 24. معرفی ابزار Microsoft SSIS
• 25. معرفی ابزار Talend Open Studio
• 26. بهینه‌سازی فرایندهای ETL
• 27. مانیتورینگ و گزارش‌گیری از فرایندهای ETL
• 28. مدیریت Metadata در ETL
• 29. امنیت داده‌ها در فرایندهای ETL
• 30. استفاده از ETL در Big Data
• 31. مقدمه‌ای بر Hadoop و Spark
• 32. استفاده از Spark برای ETL
• 33. ETL در محیط ابری
• 34. استفاده از AWS Glue برای ETL
• 35. استفاده از Azure Data Factory برای ETL
• 36. استفاده از Google Cloud Dataflow برای ETL
• 37. استفاده از Data Lake در ETL
• 38. تکنیک‌های Incremental Load
• 39. تکنیک‌های Change Data Capture (CDC)
• 40. استفاده از ETL برای یکپارچه‌سازی داده‌ها
• 41. کیفیت داده‌ها و تاثیر آن بر ETL
• 42. کاربرد ETL در تحلیل داده‌ها و BI
• 43. معماری Lambda و Kappa در ETL
• 44. استفاده از ETL برای داده‌کاوی
• 45. ملاحظات مربوط به Scale و Performance در ETL