فلش‌کارت‌های آموزشی Google Cloud Platform: ساخت اپلیکیشن های تحلیل شبکه های اجتماعی

Google Cloud Platform: ساخت اپلیکیشن های تحلیل شبکه های اجتماعی - یک قدم جلوتر در دنیای داده Google Cloud Platform: ساخت اپلیکیشن های تحلیل شبکه های اجتماعی - قدرت داده در دستان شما! آیا می‌خواهید از ...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 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 Google Cloud Platform: ساخت اپلیکیشن های تحلیل شبکه های اجتماعی

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

  • 1. مقدمه و مبانی**
  • 2. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 3. چرا Google Cloud Platform برای این کار مناسب است؟
  • 4. مروری بر معماری کلی یک اپلیکیشن تحلیل داده
  • 5. آشنایی با مفاهیم کلیدی Cloud Computing (IaaS, PaaS, SaaS)
  • 6. ساخت حساب کاربری GCP و آشنایی با Free Tier
  • 7. آشنایی با کنسول وب Google Cloud
  • 8. نصب و راه‌اندازی Google Cloud SDK (gcloud CLI)
  • 9. مفاهیم پایه پروژه‌ها، پوشه‌ها و سازمان‌ها در GCP
  • 10. مدیریت هویت و دسترسی (IAM): مفاهیم پایه
  • 11. نقش‌های اصلی IAM (Owner, Editor, Viewer)
  • 12. حساب‌های سرویس (Service Accounts) و کاربرد آنها
  • 13. مدیریت هزینه‌ها و بودجه‌بندی در GCP
  • 14. آشنایی با Cloud Shell و ویرایشگر کد داخلی
  • 15. تنظیمات اولیه محیط برنامه‌نویسی (Python و Virtual Environments)
  • 16. مقدمه‌ای بر APIهای شبکه‌های اجتماعی (مثال: Twitter API)
  • 17. جمع‌آوری و دریافت داده (Data Ingestion)**
  • 18. استراتژی‌های جمع‌آوری داده: Batch در مقابل Streaming
  • 19. معرفی Cloud Functions به عنوان سرویس Serverless
  • 20. نوشتن اولین Cloud Function برای فراخوانی API
  • 21. استفاده از Secret Manager برای ذخیره امن کلیدهای API
  • 22. زمان‌بندی اجرای توابع با Cloud Scheduler
  • 23. معرفی Cloud Pub/Sub: سیستم پیام‌رسانی غیرهمزمان
  • 24. طراحی یک پایپ‌لاین دریافت داده با Pub/Sub و Cloud Functions
  • 25. دریافت داده‌های زنده (Streaming) از شبکه‌های اجتماعی
  • 26. مدیریت خطا و تلاش مجدد در پایپ‌لاین دریافت داده
  • 27. فرمت‌های داده رایج (JSON, CSV) و نحوه کار با آنها
  • 28. ملاحظات مربوط به محدودیت‌های نرخ API (Rate Limiting)
  • 29. ایجاد یک تابع برای دریافت داده‌های تاریخی (Batch)
  • 30. ورود داده‌ها به سیستم با استفاده از Cloud Logging
  • 31. ذخیره‌سازی داده (Data Storage)**
  • 32. مقایسه گزینه‌های ذخیره‌سازی در GCP
  • 33. آشنایی با Google Cloud Storage برای داده‌های ساختارنیافته
  • 34. ساختاردهی Bucketها و مدیریت اشیاء (Objects)
  • 35. چرخه حیات داده‌ها در Cloud Storage (Storage Classes)
  • 36. معرفی BigQuery به عنوان انبار داده (Data Warehouse)
  • 37. ساختار BigQuery: Projects, Datasets, Tables
  • 38. طراحی اسکیمای جدول برای داده‌های شبکه‌های اجتماعی
  • 39. بارگذاری داده‌ها از Cloud Storage به BigQuery (Batch Load)
  • 40. بارگذاری داده‌های زنده در BigQuery (Streaming Inserts)
  • 41. مفاهیم پارتیشن‌بندی (Partitioning) جداول در BigQuery
  • 42. مفاهیم خوشه‌بندی (Clustering) جداول در BigQuery
  • 43. آشنایی با Firestore برای ذخیره‌سازی داده‌های NoSQL
  • 44. کاربردهای Firestore برای ذخیره متادیتا و داده‌های سریع‌التغییر
  • 45. مقایسه BigQuery و Firestore: چه زمانی از کدام استفاده کنیم؟
  • 46. پردازش و تبدیل داده (Data Processing & Transformation)**
  • 47. مفهوم ETL و ELT در تحلیل داده
  • 48. پاکسازی و پیش‌پردازش متن (Text Preprocessing)
  • 49. حذف نویز، نرمال‌سازی و توکنیزاسیون متن
  • 50. استفاده از SQL در BigQuery برای تبدیل داده‌ها
  • 51. نوشتن کوئری‌های پیچیده برای استخراج ویژگی‌ها
  • 52. توابع پنجره‌ای (Window Functions) در BigQuery
  • 53. معرفی Dataflow برای پردازش داده در مقیاس بزرگ
  • 54. مفاهیم Apache Beam: Pipeline, PCollection, PTransform
  • 55. ایجاد یک پایپ‌لاین Dataflow برای پردازش دسته‌ای داده‌ها
  • 56. ایجاد یک پایپ‌لاین Dataflow برای پردازش جریانی داده‌ها
  • 57. استفاده از Cloud Functions برای تبدیل‌های سبک و سریع
  • 58. معرفی Dataproc برای بارهای کاری مبتنی بر Spark و Hadoop
  • 59. مقایسه Dataflow، Dataproc و Cloud Functions برای پردازش داده
  • 60. تحلیل داده و یادگیری ماشین (Analytics & Machine Learning)**
  • 61. مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
  • 62. استفاده از Vertex AI Natural Language API برای تحلیل احساسات
  • 63. استخراج موجودیت‌ها (Entity Extraction) از متن
  • 64. دسته‌بندی محتوا با Natural Language API
  • 65. معرفی BigQuery ML: یادگیری ماشین با استفاده از SQL
  • 66. ساخت مدل تحلیل احساسات با BigQuery ML
  • 67. ارزیابی عملکرد مدل‌های BigQuery ML
  • 68. مقدمه‌ای بر مدل‌سازی موضوعی (Topic Modeling)
  • 69. شناسایی ترندها و موضوعات داغ در داده‌ها
  • 70. تحلیل شبکه: شناسایی کاربران تأثیرگذار (Influencers)
  • 71. ایجاد گراف روابط بین کاربران در BigQuery
  • 72. معرفی Vertex AI Platform برای ساخت مدل‌های سفارشی
  • 73. آماده‌سازی مجموعه داده برای آموزش مدل سفارشی
  • 74. آموزش یک مدل طبقه‌بندی متن سفارشی با AutoML Text
  • 75. استقرار (Deploy) مدل آموزش‌دیده روی یک Endpoint
  • 76. فراخوانی مدل مستقر شده برای پیش‌بینی‌های آنلاین
  • 77. پردازش دسته‌ای با مدل‌های Vertex AI
  • 78. مقدمه‌ای بر پیش‌بینی سری‌های زمانی برای تحلیل ترندها
  • 79. مصورسازی و ارائه نتایج (Visualization & Reporting)**
  • 80. مقدمه‌ای بر Looker Studio (سابقاً Data Studio)
  • 81. اتصال Looker Studio به BigQuery
  • 82. ساخت اولین داشبورد تحلیلی
  • 83. انواع نمودارها و کاربرد آنها در تحلیل شبکه‌های اجتماعی
  • 84. ایجاد نمودارهای سری زمانی برای نمایش ترندها
  • 85. مصورسازی داده‌های جغرافیایی روی نقشه
  • 86. ساخت نمودار میله‌ای برای نمایش توزیع احساسات
  • 87. ایجاد فیلترها و کنترل‌های تعاملی در داشبورد
  • 88. محاسبه و ایجاد فیلدهای جدید (Calculated Fields)
  • 89. اشتراک‌گذاری و تعبیه (Embedding) داشبوردها
  • 90. تنظیم به‌روزرسانی خودکار داده‌ها در داشبورد
  • 91. معماری، استقرار و مدیریت (Architecture, Deployment & Operations)**
  • 92. طراحی معماری Serverless سرتاسری برای پروژه
  • 93. مقدمه‌ای بر زیرساخت به عنوان کد (IaC) با Terraform
  • 94. مدیریت وابستگی‌های پروژه با Cloud Build
  • 95. ایجاد یک پایپ‌لاین CI/CD ساده برای Cloud Functions
  • 96. نظارت بر عملکرد اپلیکیشن با Cloud Monitoring
  • 97. ایجاد داشبوردهای نظارتی و هشدارهای سفارشی
  • 98. جستجو و تحلیل لاگ‌ها با Cloud Logging
  • 99. بهترین شیوه‌های امنیتی: اصل حداقل دسترسی (Least Privilege)
  • 100. مدیریت هزینه‌ها و بهینه‌سازی معماری برای کاهش هزینه‌ها
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

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

تگ‌ها: Artificial Intelligence BigQuery cloud development Cloud Storage Compute Engine Dataflow GCP Google Cloud Platform Machine Learning Social Media Analytics برنامه نویسی تحلیل شبکه های اجتماعی ساخت اپلیکیشن هوش مصنوعی یادگیری ماشين

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.