🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره (100 موضوع)

1. مقدمه‌ای بر پردازش داده‌های علمی در مقیاس بزرگ
2. مقدمه‌ای بر محاسبات ابری و مزایای آن
3. مروری بر Google Cloud Platform (GCP)
4. معرفی Bigtable: یک سرویس پایگاه داده NoSQL ستونی
5. چرا Bigtable برای داده‌های علمی بزرگ مناسب است؟
6. مقایسه Bigtable با سایر پایگاه‌های داده NoSQL
7. مقایسه Bigtable با پایگاه‌های داده رابطه‌ای
8. معماری Bigtable: عناصر اصلی
9. جدول‌ها، ردیف‌ها و ستون‌ها در Bigtable
10. خانواده‌های ستون (Column Families)
11. مهر زمانی (Timestamps) و نسخه‌بندی (Versioning)
12. حالت‌های Bigtable: خروجی (Output) و حالت بتا (Beta)
13. مفهوم "طراحی شمای خوب" (Good Schema Design) برای Bigtable
14. طراحی کلید ردیف (Row Key Design) برای Bigtable
15. استراتژی‌های کلید ردیف برای داده‌های علمی
16. پیشوندها (Prefixes) و پسوندها (Suffixes) در کلیدهای ردیف
17. توزیع بار (Load Distribution) و جلوگیری از داغ شدن (Hotspotting)
18. طراحی خانواده‌های ستون مناسب
19. نحوه‌ی انتخاب نام برای خانواده‌های ستون
20. نحوه‌ی ذخیره‌سازی داده‌ها در خانواده‌های ستون
21. انتخاب نوع داده برای ستون‌ها
22. بهینه‌سازی ذخیره‌سازی داده‌ها
23. فشرده‌سازی داده‌ها در Bigtable
24. مدیریت اعتبارنامه‌ها (Credentials) و دسترسی‌ها در GCP
25. IAM (Identity and Access Management) برای Bigtable
26. نقش‌ها (Roles) و مجوزها (Permissions) در Bigtable
27. تنظیمات امنیتی برای Bigtable
28. ایجاد یک نمونه (Instance) Bigtable
29. انواع نمونه‌های Bigtable: تولید (Production) و پردازش (Development)
30. انتخاب تنظیمات پردازش (Processing) مناسب برای نمونه
31. انتخاب منطقه‌ی (Region) و ناحیه (Zone) مناسب
32. تنظیمات ذخیره‌سازی (Storage) برای نمونه
33. پیکربندی ظرفیت (Capacity) و توان عملیاتی (Throughput)
34. تخصیص مقداردهی اولیه (Initial Allocation) برای توان عملیاتی
35. نحوه‌ی مانیتورینگ و تنظیم توان عملیاتی
36. ایجاد یک جدول (Table) در Bigtable
37. تنظیمات جدول: خانواده‌های ستون، نسخه‌بندی
38. تنظیمات جدول: زمان انقضا (TTL - Time To Live)
39. تنظیمات جدول: فشرده‌سازی
40. دستورات `cbt` (Cloud Bigtable Tool) برای مدیریت
41. اتصال به Bigtable با استفاده از `cbt`
42. ایجاد، حذف و لیست کردن جداول با `cbt`
43. خواندن و نوشتن داده‌ها با `cbt`
44. تنظیمات پیشرفته `cbt`
45. نوشتن برنامه‌ها با استفاده از کتابخانه‌های مشتری (Client Libraries)
46. نصب و پیکربندی کتابخانه‌های مشتری
47. نوشتن کد جاوا (Java) برای تعامل با Bigtable
48. نوشتن کد پایتون (Python) برای تعامل با Bigtable
49. نوشتن کد Go برای تعامل با Bigtable
50. نوشتن کد Node.js برای تعامل با Bigtable
51. مفاهیم خواندن داده‌ها: خواندن کامل ردیف، خواندن فیلتر شده
52. فیلترها (Filters) در Bigtable: فیلترهای خانوادگی، فیلترهای ستونی
53. فیلترهای مقداری (Value Filters)
54. فیلترهای سلولی (Cell Filters)
55. فیلترهای ترکیبی (Composite Filters)
56. نحوه‌ی بهینه‌سازی کوئری‌ها (Queries)
57. مفاهیم نوشتن داده‌ها: نوشتن منفرد، نوشتن دسته‌ای (Batch Writes)
58. تراکنش‌ها (Transactions) در Bigtable (محدودیت‌ها و موارد استفاده)
59. مدیریت داده‌های بزرگ: اسکن (Scans) و پیمایش (Traversals)
60. بهینه‌سازی اسکن‌ها با استفاده از پیشوندها
61. استفاده از `split_row_key` برای توزیع اسکن‌ها
62. مفهوم "تعداد زیادی داده" (Large amounts of data)
63. مفهوم "پردارزش" (Value) در Bigtable
64. مدیریت و مانیتورینگ Bigtable
65. متریک‌های Cloud Monitoring برای Bigtable
66. تنظیم هشدارها (Alerts) برای Bigtable
67. بررسی سلامت نمونه (Instance Health)
68. شناسایی و رفع مشکلات عملکردی (Performance Issues)
69. رفع مشکلات داغ شدن (Hotspotting)
70. بهینه‌سازی مصرف منابع (Resource Consumption)
71. مدیریت هزینه‌ها در Bigtable
72. برآورد هزینه‌ها (Cost Estimation)
73. راهکارهای کاهش هزینه
74. پشتیبان‌گیری (Backups) و بازیابی (Restores) در Bigtable
75. تنظیم سیاست‌های پشتیبان‌گیری
76. نحوه‌ی بازیابی داده‌ها
77. تکمیل مقیاس‌پذیری (Scaling) و ظرفیت
78. تغییر ظرفیت نمونه (Instance Capacity)
79. تنظیم توان عملیاتی خودکار (Autoscaling - در صورت وجود)
80. انتقال داده‌ها به Bigtable
81. استراتژی‌های ورود داده (Data Ingestion)
82. استفاده از Dataflow برای ورود داده به Bigtable
83. استفاده از Dataproc برای ورود داده به Bigtable
84. استفاده از ابزارهای ETL (Extract, Transform, Load)
85. ورود داده از Cloud Storage
86. ورود داده از پایگاه‌های داده رابطه‌ای
87. ورود داده از منابع خارجی
88. اکسپورت (Export) داده‌ها از Bigtable
89. استفاده از Dataflow برای اکسپورت داده‌ها
90. استفاده از `cbt export`
91. اکسپورت به Cloud Storage
92. اکسپورت به BigQuery
93. کاربردهای پیشرفته Bigtable
94. Bigtable و یادگیری ماشین (Machine Learning)
95. Bigtable به عنوان مخزن ویژگی (Feature Store)
96. Bigtable و پردازش جریانی (Stream Processing)
97. Bigtable و تحلیل داده‌های بلادرنگ (Real-time Analytics)
98. یکپارچه‌سازی Bigtable با سایر سرویس‌های GCP
99. Bigtable و BigQuery
100. Bigtable و Cloud Storage

Google Cloud Platform: Cloud Bigtable برای دیتای علمی بزرگ | دوره آموزشی

Google Cloud Platform: Cloud Bigtable برای دیتای علمی بزرگ | دوره آموزشی جامع

Name: فلشکارتهای آموزشی Google Cloud Platform: Cloud Bigtable Database Setup and Management (for Scientific Big Data)
SKU: spLearnova-0000006173
Price: 299950 IRR
Availability: InStock

آیا با حجم عظیم داده‌های علمی خود دست و پنجه نرم می‌کنید؟

در دنیای امروز، حجم داده‌های علمی به سرعت در حال افزایش است. از تحقیقات ژنتیکی گرفته تا شبیه‌سازی‌های پیچیده فیزیکی، نیاز به ابزارهای قدرتمند و مقیاس‌پذیر برای ذخیره، مدیریت و تحلیل این داده‌ها بیش از پیش احساس می‌شود. اگر شما یک دانشمند داده، مهندس داده یا محقق هستید که با چالش‌های دیتای علمی بزرگ مواجهید، این دوره دقیقاً برای شما طراحی شده است!

در دوره آموزشی Google Cloud Platform: Cloud Bigtable برای دیتای علمی بزرگ، شما را از صفر تا صد با یکی از قدرتمندترین راه‌حل‌های پایگاه داده NoSQL در Google Cloud Platform (GCP)، یعنی Cloud Bigtable، آشنا می‌کنیم. این دوره به شما کمک می‌کند تا با استفاده از Bigtable، داده‌های علمی بزرگ خود را به طور موثر ذخیره، بازیابی و تحلیل کنید و به سرعت به بینش‌های ارزشمند دست یابید.

درباره دوره

این دوره جامع، یک راهنمای گام به گام برای راه‌اندازی، مدیریت و بهینه‌سازی Cloud Bigtable در GCP است. ما با اصول اولیه Bigtable شروع می‌کنیم و سپس به مباحث پیشرفته‌تری مانند طراحی طرحواره (schema)، بهینه‌سازی عملکرد، امنیت و ادغام با سایر سرویس‌های GCP می‌پردازیم. این دوره با مثال‌های عملی و پروژه‌های واقعی، شما را برای استفاده از Bigtable در پروژه‌های دیتای علمی بزرگ خود آماده می‌کند.

موضوعات کلیدی دوره

معرفی Cloud Bigtable: ویژگی‌ها، مزایا و موارد استفاده.
مقایسه Bigtable با سایر پایگاه‌های داده NoSQL و SQL.
راه‌اندازی و پیکربندی Bigtable در GCP.
طراحی طرحواره بهینه برای دیتای علمی (شامل داده‌های سری زمانی، داده‌های جدولی و...).
وارد کردن و خارج کردن داده‌ها (Import/Export).
بهینه‌سازی عملکرد Bigtable: نحوه انتخاب cluster size, node types و...
استفاده از Bigtable با ابزارهای داده‌کاوی و تحلیل داده (مانند Apache Beam و Spark).
مدیریت داده‌ها: نسخه‌سازی، حذف و تغییر داده‌ها.
امنیت Bigtable: مدیریت دسترسی‌ها و رمزنگاری داده‌ها.
ادغام Bigtable با سایر سرویس‌های GCP (مانند Cloud Storage, Cloud Functions و ...).
پایش و عیب‌یابی Bigtable.
بهترین شیوه‌ها برای کار با Bigtable در محیط‌های تولیدی.

این دوره برای چه کسانی مناسب است؟

این دوره برای افراد زیر ایده‌آل است:

دانشمندان داده: که به دنبال راه‌حلی مقیاس‌پذیر برای ذخیره و تحلیل داده‌های علمی خود هستند.
مهندسان داده: که می‌خواهند دانش خود را در زمینه Bigtable و GCP گسترش دهند.
محققان: که نیاز به مدیریت داده‌های بزرگ و پیچیده در پروژه‌های تحقیقاتی خود دارند.
هر کسی که با حجم زیادی از داده‌های علمی سر و کار دارد و به دنبال یک راه‌حل قدرتمند و قابل اعتماد برای مدیریت آن است.

چرا این دوره را بگذرانیم؟

با گذراندن این دوره، شما:

یک درک عمیق از معماری و قابلیت‌های Cloud Bigtable به دست خواهید آورد.
قادر خواهید بود Bigtable را در GCP راه‌اندازی و مدیریت کنید.
خواهید آموخت که چگونه طرحواره‌های بهینه را برای دیتای علمی خود طراحی کنید.
یاد خواهید گرفت که چگونه عملکرد Bigtable را بهینه کنید.
با ابزارهای مختلفی که برای کار با Bigtable ادغام می‌شوند، آشنا خواهید شد.
با بهترین شیوه‌ها برای استفاده از Bigtable در محیط‌های واقعی آشنا خواهید شد.
مهارت‌های لازم برای حل مشکلات و عیب‌یابی Bigtable را کسب خواهید کرد.
اعتماد به نفس لازم برای استفاده از Bigtable در پروژه‌های خود را به دست خواهید آورد.

به عبارت دیگر، با این دوره، شما به یک متخصص Bigtable در GCP تبدیل خواهید شد!

سرفصل‌های جامع دوره

این دوره شامل بیش از 100 سرفصل جامع است که به شما یک آموزش کامل و کاربردی در مورد Cloud Bigtable ارائه می‌دهد. در اینجا تنها بخشی از سرفصل‌های دوره را مشاهده می‌کنید:

بخش 1: مقدمه‌ای بر Cloud Bigtable

Bigtable چیست و چه تفاوتی با سایر پایگاه‌های داده دارد؟
مزایای استفاده از Bigtable برای دیتای علمی.
معماری Bigtable: Row, Column, Cell, Table
موارد استفاده Bigtable در دنیای واقعی.
آشنایی با Google Cloud Platform و مفاهیم پایه‌ای آن.
ایجاد حساب کاربری GCP و تنظیمات اولیه.
مروری بر سایر سرویس‌های مرتبط GCP (Cloud Storage, Cloud Dataflow و...).

بخش 2: راه‌اندازی و پیکربندی Bigtable

ایجاد یک نمونه Bigtable (Instance).
انتخاب نوع نمونه: Production, Development, ...
انتخاب موقعیت جغرافیایی (Region).
مدیریت کلاسترها (Clusters): اضافه کردن، حذف و تغییر اندازه.
تنظیمات شبکه و دسترسی.
استفاده از Cloud Shell و Google Cloud SDK برای مدیریت Bigtable.
نصب و راه‌اندازی `cbt` CLI.

بخش 3: طراحی طرحواره برای دیتای علمی

مبانی طراحی طرحواره (Schema Design).
شناخت انواع داده‌های Bigtable.
طراحی طرحواره برای داده‌های سری زمانی (Time Series Data).
طراحی طرحواره برای داده‌های جدولی (Tabular Data).
استفاده از Row Keys: انتخاب بهترین کلیدهای ردیف.
استفاده از Column Families: سازماندهی داده‌ها.
بهینه‌سازی طرحواره برای عملکرد بهتر.
مثال‌های عملی از طراحی طرحواره برای انواع مختلف داده‌های علمی (داده‌های ژنتیکی، داده‌های حسگرها و...).

بخش 4: وارد کردن و خارج کردن داده‌ها

وارد کردن داده‌ها با استفاده از `cbt` CLI.
وارد کردن داده‌ها با استفاده از Cloud Dataflow.
Import/Export از Cloud Storage.
Import/Export از سایر فرمت‌های داده (CSV, Parquet, Avro...).
استفاده از ابزارهای شخص ثالث برای وارد کردن داده‌ها.
بهینه‌سازی فرآیند Import برای سرعت بیشتر.
مدیریت خطاهای Import.

بخش 5: مدیریت داده‌ها در Bigtable

خواندن و نوشتن داده‌ها: عملیات CRUD (Create, Read, Update, Delete).
استفاده از فیلترها (Filters).
نسخه‌سازی داده‌ها (Versioning).
پاک کردن داده‌ها.
تغییر داده‌ها.
استفاده از transactions.
مدیریت تراکم (Density).

بخش 6: بهینه‌سازی عملکرد Bigtable

انتخاب cluster size مناسب.
انتخاب انواع nodeها (SSD, HDD).
پایش عملکرد Bigtable.
بهینه‌سازی Row Keys.
بهینه‌سازی Queryها.
استفاده از caching.
شناسایی و رفع bottlenecks.

بخش 7: امنیت Bigtable

مدیریت دسترسی‌ها با استفاده از IAM (Identity and Access Management).
رمزنگاری داده‌ها (Encryption).
ایجاد و مدیریت حساب‌های سرویس (Service Accounts).
ایجاد policy های امنیتی.
جلوگیری از حملات SQL injection و Cross-Site Scripting.
ممیزی (Auditing) و ثبت وقایع (Logging).

بخش 8: ادغام Bigtable با سایر سرویس‌های GCP

ادغام Bigtable با Cloud Storage.
ادغام Bigtable با Cloud Dataflow.
ادغام Bigtable با Cloud Functions.
ادغام Bigtable با BigQuery.
استفاده از Bigtable با ابزارهای داده‌کاوی (Apache Beam, Spark).
پیاده‌سازی یک end-to-end pipeline.

بخش 9: پایش و عیب‌یابی Bigtable

پایش عملکرد با استفاده از Cloud Monitoring.
ثبت و عیب‌یابی با استفاده از Cloud Logging.
شناسایی و رفع خطاهای رایج.
عیب‌یابی performance issues.
ابزارهای عیب‌یابی Bigtable.

بخش 10: بهترین شیوه‌ها و پروژه‌های عملی

بهترین شیوه‌ها برای طراحی و پیاده‌سازی Bigtable.
مدیریت هزینه‌ها.
آشنایی با محدودیت‌های Bigtable.
نگهداری و پشتیبانی Bigtable.
پروژه عملی: پیاده‌سازی یک سیستم مدیریت داده‌های علمی با استفاده از Bigtable.
پروژه عملی: تحلیل داده‌های سری زمانی با استفاده از Bigtable و Cloud Dataflow.

همین حالا در دوره ثبت‌نام کنید و به جمع متخصصان Cloud Bigtable بپیوندید!

SMART LEARNING PLATFORM

از مطالعه تا یادگیری ماندگار

فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.

مرور فاصله‌دار آمار یادگیری گواهی دوزبانه

یادگیری را به یک مسیر قابل پیگیری تبدیل کنید

با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.

⟳

مرور فاصله‌دار هوشمند

با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.

◉

مشاهده مسیر پیشرفت

میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.

▤

یادگیری مرحله‌به‌مرحله

فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.

✓

تمرین و سنجش آموخته‌ها

با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.

SMART REVIEW

هر بار، مرور هدفمندتر

لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.

دوباره

برای کارت‌هایی که به تمرین زودتر نیاز دارند.

سخت

برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.

خوب

برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.

آسان

برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.

برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.

محتوا را به شیوه‌های مختلف تمرین کنید

ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.

نکته‌های ساده

برای مرور سریع مفاهیم اصلی و نکات کلیدی.

نکته‌های رسمی

برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.

کوییز

برای سنجش درک مطلب و بررسی گزینه صحیح.

پرسش و پاسخ

برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.

محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.

LEARN ANYWHERE

همراه شما روی مرورگر

برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.

گوشی هوشمند

برای مطالعه در زمان‌های کوتاه

تبلت و لپ‌تاپ

برای مطالعه و مرور راحت‌تر

حساب کاربری شخصی

برای دسترسی به دوره‌های مجاز شما

COURSE COMPLETION CERTIFICATE

گواهی پایان دوره؛ ثبت دستاورد شما

در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.

شرایط درخواست گواهی

✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.

✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.

✓ مشاهده تمام فلش‌کارت‌های فعال دوره.

✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.

فارسی و انگلیسی

پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.

استعلام آنلاین

گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.

دانلود و چاپ

پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.

توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.

یادگیری را شروع کنید؛ پیشرفت را دنبال کنید

با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.

هر کارت، یک قدم به جلو

امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.

نگاهی به محیط سامانه