کتاب مدیریت هوشمند پایگاه داده با مونگو دی‌بی آتلاس و گوگل کلاد: هوش مصنوعی، مقیاس‌پذیری و داده‌های زنده 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 مدیریت هوشمند پایگاه داده با مونگو دی‌بی آتلاس و گوگل کلاد: هوش مصنوعی، مقیاس‌پذیری و داده‌های زنده

موضوع کلی: مدیریت پایگاه داده در ابر

موضوع میانی: مونگو دی‌بی آتلاس در گوگل کلاد

📋 سرفصل‌های دوره

  • 1. آشنایی با گوگل کلاد و خدمات پایگاه داده
  • 2. مقدمه‌ای بر مونگو دی‌بی آتلاس
  • 3. مقایسه‌ی مونگو دی‌بی با پایگاه‌های داده‌ی رابطه‌ای
  • 4. تنظیمات اولیه‌ی حساب کاربری گوگل کلاد
  • 5. فعال‌سازی مونگو دی‌بی آتلاس در گوگل کلاد
  • 6. مفهوم کلاستر، رگین، و مناطق
  • 7. انواع کلاسترهای مونگو دی‌بی
  • 8. انتخاب پلتفرم مناسب کلاستر
  • 9. تنظیمات شبکه‌ی امن
  • 10. مدیریت دسترسی با استفاده‌ی IAM در گوگل کلاد
  • 11. تنظیمات کاربران و نقش‌های مونگو دی‌بی
  • 12. کپی‌رایت و پشتیبان‌گیری خودکار
  • 13. بازگردانی داده‌ها در مونگو دی‌بی آتلاس
  • 14. نظارت و عملکرد کلاستر
  • 15. مگانِیْتیک برای تحلیل‌های پیشرفته
  • 16. ادغام با سرویس‌های هوش مصنوعی گوگل
  • 17. استفاده‌ی از استایل‌های هوش مصنوعی برای مدل‌سازی داده‌ها
  • 18. مونگو دی‌بی پلب برای پردازش داده‌های زنده
  • 19. مقدمه‌ای بر مونگو دی‌بی پلب
  • 20. نوشتن اولین پسابَسک
  • 21. استفاده‌ی از فیلترها و پروژها
  • 22. ادغام داده‌ها با $lookup
  • 23. عملیات‌های تبدیل داده
  • 24. پسابَسک‌های پیشرفته
  • 25. اتصال به خطوط لوله‌ی داده‌های زنده
  • 26. ادغام گوگل پابلیشر/کافکا با مونگو دی‌بی
  • 27. تنظیمات سورس‌های داده‌ی زنده
  • 28. ارسال داده‌های زنده به آتلاس
  • 29. مدیریت توکن‌ها و محرمانگی
  • 30. کدگذاری و محافظت از داده‌ها
  • 31. شناسایی الگوها با هوش مصنوعی
  • 32. اعلان‌های هوشمند بر اساس داده‌های زنده
  • 33. بررسی وضعیت سیستم با گوگل کلاد مانیتورینگ
  • 34. استفاده‌ی از دیتا داکک برای درک داده‌های مونگو
  • 35. بهینه‌سازی عملکرد پسابَسک‌ها
  • 36. استراتژی‌های ایندکس‌گذاری
  • 37. طراحی شیءهای پایگاه داده‌ی کارآمد
  • 38. طراحی یکتا برای آیتم‌های زنده
  • 39. استقرار مدل‌های هوش مصنوعی در گوگل کلاد
  • 40. ادغام مدل‌های هوش مصنوعی در خطوط لوله‌ی داده‌های زنده
  • 41. اجرای مدل‌های هوش مصنوعی در زمان واقعی
  • 42. مدیریت نسخه‌های پایگاه داده
  • 43. کنترل نسخه‌ی پسابَسک‌ها
  • 44. همکاری تیمی و کنترل منبع
  • 45. ادغام گیت‌لاب گوگل کلاد
  • 46. تست‌های واحد برای پسابَسک‌ها
  • 47. پراتیک‌های DevOps برای پایگاه داده
  • 48. استفاده‌ی از ترافیک‌های آزمایشی
  • 49. استراتژی‌های پشتیبان‌گیری و بازیابی
  • 50. برنامه‌ریزی بازیابی پس از فاجعه
  • 51. ادغام با گوگل کلاد اسپَن
  • 52. مقایسه‌ی عملکرد مونگو دی‌بی آتلاس با سایر سرویس‌ها
  • 53. ساخت داشبوردهای تحلیلی با داده‌های مونگو
  • 54. ادغام با ابزارهای BI
  • 55. استفاده‌ی از گوگل داده‌های ورک‌فلو
  • 56. استفاده‌ی از اکسپورت استریمینگ
  • 57. پیکربندی‌های محافظتی برای داده‌های حساس
  • 58. رعایت مقررات و حسابرسی
  • 59. آینده‌ی مدیریت پایگاه داده: چشم‌اندازهای آینده
  • 60. پروژه‌ی نهایی: ساخت یک سیستم داده‌های زنده‌ی کامل
تگ‌ها: aggregation pipeline ai integration atlas big data cloud database management devops google cloud mongodb mongodb atlas search monitoring performance optimization python real-time pipelines scalability security

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.