کتاب صوتی اتوماسیون گردش کار در مهندسی داده با Apache Airflow

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اتوماسیون گردش کار در مهندسی داده با Apache Airflow

موضوع کلی: مهندسی داده و پردازش کلان داده

موضوع میانی: مدیریت جریان داده و اتوماسیون فرآیندها

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مهندسی داده
• 2. مفاهیم کلان داده
• 3. معماری سیستم های کلان داده
• 4. مقدمه ای بر گردش کار داده
• 5. اهمیت اتوماسیون در مهندسی داده
• 6. معرفی Apache Airflow
• 7. نصب و پیکربندی Airflow
• 8. مفاهیم پایه Airflow: DAG ها
• 9. مفاهیم پایه Airflow: Task ها
• 10. مفاهیم پایه Airflow: Operator ها
• 11. انواع Operator ها در Airflow
• 12. نوشتن اولین DAG
• 13. اجرای DAG ها
• 14. زمانبندی DAG ها
• 15. وابستگی های Task
• 16. مدیریت وضعیت Task
• 17. مانیتورینگ DAG ها
• 18. لاگ گیری در Airflow
• 19. متغیرها و اتصالات در Airflow
• 20. مدیریت منابع در Airflow
• 21. استفاده از XComs برای تبادل داده
• 22. تنظیمات پیشرفته Airflow
• 23. امنیت در Airflow
• 24. استفاده از Airflow برای ETL
• 25. پردازش داده های جریانی با Airflow
• 26. یکپارچگی Airflow با ابزارهای دیگر
• 27. تست نویسی در Airflow
• 28. توسعه Operator های سفارشی
• 29. پیاده سازی الگوهای پیشرفته گردش کار
• 30. مدیریت خطا و بازیابی در Airflow
• 31. اصول طراحی DAG های مقیاس پذیر
• 32. بهینه سازی عملکرد Airflow
• 33. استقرار Airflow در محیط پروداکشن
• 34. استفاده از Airflow برای بیگ دیتا
• 35. اتوماسیون یادگیری ماشین با Airflow
• 36. یکپارچگی با سیستم های ذخیره سازی ابری
• 37. پردازش داده های مکانی با Airflow
• 38. مدیریت پایگاه داده با Airflow
• 39. اتوماسیون تحلیل داده با Airflow
• 40. استفاده از Airflow برای هوش تجاری
• 41. مقدمه ای بر معماری میکروسرویس
• 42. کاربرد Airflow در معماری میکروسرویس
• 43. مدیریت پیکربندی در محیط های توزیع شده
• 44. اصول DevOps و مهندسی داده
• 45. اتوماسیون تست در مهندسی داده
• 46. مدیریت چرخه عمر داده
• 47. امنیت داده ها در گردش کار
• 48. حاکمیت داده ها و Airflow
• 49. مقدمه ای بر حسابرسی داده ها
• 50. پیاده سازی حسابرسی داده با Airflow
• 51. مدیریت کیفیت داده ها
• 52. ابزارهای نظارت بر کیفیت داده
• 53. اصول طراحی داده های تمیز
• 54. استفاده از Airflow برای پاکسازی داده
• 55. مقدمه ای بر مهندسی ویژگی
• 56. اتوماسیون مهندسی ویژگی با Airflow
• 57. یادگیری عمیق و پردازش داده
• 58. کاربرد Airflow در پردازش داده های صوتی
• 59. کاربرد Airflow در پردازش داده های تصویری
• 60. پردازش زبان طبیعی با Airflow
• 61. مقدمه ای بر امنیت سایبری در مهندسی داده
• 62. استفاده از Airflow برای مانیتورینگ امنیتی
• 63. مدیریت دسترسی در Airflow
• 64. ملاحظات قانونی در پردازش داده
• 65. حفاظت از داده های حساس
• 66. پردازش داده ها با رعایت حریم خصوصی
• 67. مقدمه ای بر بلاکچین و مهندسی داده
• 68. کاربرد Airflow در سیستم های بلاکچین
• 69. مدیریت داده های IoT با Airflow
• 70. پردازش داده های سنسورها
• 71. معماری داده های رویداد محور
• 72. استفاده از Airflow برای پردازش رویداد
• 73. مقدمه ای بر اتوماسیون فرآیندهای کسب و کار
• 74. کاربرد Airflow در اتوماسیون BP
• 75. مدیریت ریسک در گردش کار داده
• 76. کاهش ریسک با اتوماسیون
• 77. مقدمه ای بر بازاریابی داده محور
• 78. استفاده از Airflow در کمپین های بازاریابی
• 79. تحلیل رفتار مشتری با Airflow
• 80. شخصی سازی تجربه کاربری
• 81. مقدمه ای بر مدیریت پروژه در مهندسی داده
• 82. نقش Airflow در مدیریت پروژه
• 83. تیم سازی در مهندسی داده
• 84. رهبری فنی در پروژه های داده
• 85. مقدمه ای بر تفکر انتقادی در مهندسی داده
• 86. حل مسئله در گردش کار داده
• 87. نوآوری در مهندسی داده
• 88. آینده مهندسی داده و اتوماسیون
• 89. روندها و فناوری های نوظهور
• 90. یادگیری مستمر در حوزه داده
• 91. جمع بندی و گام های بعدی
• 92. کاربرد Airflow در تحلیل های پیشرفته
• 93. پردازش داده های گراف با Airflow
• 94. مدیریت ابر داده ها (Data Mesh)
• 95. استفاده از Airflow در محیط های چند ابری
• 96. اصول معماری داده های مدرن
• 97. استفاده از Airflow برای مهاجرت داده
• 98. مدیریت داده های میراثی
• 99. استانداردسازی در گردش کار داده
• 100. مقدمه ای بر مهندسی قابلیت اطمینان سایت (SRE)