فلش‌کارت‌های آموزشی Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Node.js

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: راهنمای عملی برای توسعه دهندگان Node.js

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر Google Cloud Platform و Node.js
• 2. نصب و پیکربندی Node.js برای توسعه در GCP
• 3. آشنایی با مفاهیم کلیدی Google Cloud
• 4. ایجاد حساب کاربری GCP و راه‌اندازی پروژه
• 5. مدیریت هویت و دسترسی (IAM) در GCP
• 6. استفاده از Cloud SDK و ابزارهای خط فرمان
• 7. مقدمه‌ای بر Google App Engine برای Node.js
• 8. استقرار اولین اپلیکیشن Node.js در App Engine
• 9. تنظیمات محیطی و پیکربندی App Engine
• 10. مدیریت دیتابیس با Cloud SQL برای Node.js
• 11. اتصال Node.js به Cloud SQL
• 12. مفاهیم NoSQL و معرفی Cloud Firestore
• 13. کار با Cloud Firestore در اپلیکیشن‌های Node.js
• 14. ذخیره‌سازی فایل‌ها با Cloud Storage
• 15. آپلود و دانلود فایل در Cloud Storage با Node.js
• 16. استفاده از Cloud Functions برای پردازش رویداد محور
• 17. نوشتن و استقرار Cloud Functions با Node.js
• 18. اتصال Cloud Functions به سرویس‌های دیگر GCP
• 19. امنیت در Google Cloud: بهترین شیوه‌ها
• 20. مدیریت Secretها با Secret Manager
• 21. استفاده از Cloud Build برای CI/CD
• 22. تنظیم پایپ‌لاین CI/CD برای اپلیکیشن‌های Node.js
• 23. نظارت و لاگ‌برداری با Cloud Logging و Cloud Monitoring
• 24. تحلیل لاگ‌ها و متریک‌ها برای رفع اشکال
• 25. معرفی Google Kubernetes Engine (GKE)
• 26. مفاهیم پایه Kubernetes
• 27. استقرار اپلیکیشن‌های Node.js در GKE
• 28. مدیریت و مقیاس‌پذیری اپلیکیشن‌ها در GKE
• 29. شبکه‌بندی در GKE
• 30. امنیت در GKE
• 31. استفاده از Cloud Pub/Sub برای پیام‌رسانی
• 32. پیاده‌سازی سیستم‌های مبتنی بر رویداد با Pub/Sub
• 33. معرفی Cloud Run برای اجرای کانتینرها
• 34. استقرار اپلیکیشن‌های Node.js در Cloud Run
• 35. مقایسه App Engine، GKE و Cloud Run
• 36. استفاده از Cloud Tasks برای پردازش صف
• 37. مدیریت وظایف زمان‌بندی شده با Cloud Scheduler
• 38. معرفی BigQuery برای تحلیل داده‌های بزرگ
• 39. اتصال Node.js به BigQuery
• 40. تجزیه و تحلیل داده با BigQuery
• 41. استفاده از Cloud Dataflow برای پردازش استریمینگ
• 42. مفاهیم پردازش داده‌های استریمینگ
• 43. معرفی Vertex AI برای یادگیری ماشین
• 44. آموزش مدل‌های یادگیری ماشین با Vertex AI
• 45. استقرار مدل‌های ML در GCP
• 46. استفاده از Cloud Source Repositories
• 47. مدیریت کد منبع با Git
• 48. مفاهیم DevOps در Google Cloud
• 49. بهینه‌سازی هزینه‌ها در Google Cloud
• 50. استفاده از ابزارهای Cost Management
• 51. مقدمه‌ای بر امنیت سایبری در GCP
• 52. شناسایی تهدیدات امنیتی
• 53. روش‌های مقابله با حملات رایج
• 54. پیکربندی فایروال و سیاست‌های امنیتی
• 55. مدیریت دسترسی‌های حساس
• 56. انطباق با مقررات امنیتی
• 57. مقدمه‌ای بر توسعه اپلیکیشن‌های Serverless
• 58. مزایای معماری Serverless
• 59. طراحی اپلیکیشن‌های Serverless با Node.js
• 60. مدیریت خطا و بازیابی در اپلیکیشن‌های Serverless
• 61. تست اپلیکیشن‌های Serverless
• 62. استقرار و مدیریت اپلیکیشن‌های Serverless
• 63. استفاده از Cloud Armor برای حفاظت از برنامه‌های وب
• 64. پیکربندی قوانین WAF
• 65. مقدمه‌ای بر هوش مصنوعی در GCP
• 66. خدمات AI Platform
• 67. استفاده از Natural Language API
• 68. استفاده از Vision API
• 69. استفاده از Speech-to-Text API
• 70. استفاده از Text-to-Speech API
• 71. معرفی Cloud Translation API
• 72. ترجمه متن با Node.js
• 73. مدیریت APIها با API Gateway
• 74. طراحی APIهای RESTful با Node.js
• 75. امنیت APIها
• 76. مستندسازی APIها
• 77. استفاده از Cloud CDN برای کش کردن محتوا
• 78. بهینه‌سازی عملکرد با CDN
• 79. مقدمه‌ای بر اینترنت اشیا (IoT) در GCP
• 80. استفاده از IoT Core
• 81. ارتباط دستگاه‌ها با GCP
• 82. پردازش داده‌های IoT
• 83. معرفی Cloud Endpoints
• 84. مدیریت سرویس‌های میکرو با Endpoints
• 85. استفاده از Cloud Scheduler برای وظایف دوره‌ای
• 86. برنامه‌ریزی وظایف با Node.js
• 87. مدیریت و مانیتورینگ زیرساخت
• 88. بهینه‌سازی عملکرد اپلیکیشن
• 89. استراتژی‌های پشتیبان‌گیری و بازیابی
• 90. مدیریت چرخه عمر اپلیکیشن
• 91. مقدمه‌ای بر معماری‌های مدرن
• 92. الگوهای طراحی برای اپلیکیشن‌های مقیاس‌پذیر
• 93. نقش Node.js در اکوسیستم GCP
• 94. آینده توسعه با Google Cloud و Node.js
• 95. جمع‌بندی و گام‌های بعدی