کتاب صوتی راهکارهای نوین مهندسی داده با استفاده از سرویس‌های ابری مایکروسافت آژور (Azure)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهکارهای نوین مهندسی داده با استفاده از سرویس‌های ابری مایکروسافت آژور (Azure)

موضوع کلی: مهندسی داده و مدیریت زیرساخت‌های ابری

موضوع میانی: معماری و مدیریت پایگاه‌های داده در بسترهای ابری

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم مهندسی داده در رایانش ابری
• 2. معماری پلتفرم داده در مایکروسافت آژور
• 3. بررسی سرویس‌های ذخیره‌سازی داده در آژور
• 4. طراحی مخازن داده با استفاده از Azure Data Lake Storage
• 5. مبانی امنیت و حریم خصوصی داده‌ها در فضای ابری
• 6. مدیریت هویت و دسترسی‌ها با Microsoft Entra ID
• 7. پیاده‌سازی پایگاه داده رابطه‌ای با Azure SQL Database
• 8. مدیریت و بهینه‌سازی Azure SQL Managed Instance
• 9. آشنایی با پایگاه‌های داده غیررابطه‌ای و Azure Cosmos DB
• 10. طراحی مدل داده برای مقیاس‌پذیری در Cosmos DB
• 11. مدیریت داده‌های حجیم با Azure Synapse Analytics
• 12. معماری یکپارچه برای انبار داده‌های ابری
• 13. ابزارهای انتقال و یکپارچه‌سازی داده با Azure Data Factory
• 14. طراحی و مدیریت خط‌لوله‌های داده (Data Pipelines)
• 15. آماده‌سازی داده‌ها با استفاده از Mapping Data Flows
• 16. نظارت و پایش خط‌لوله‌های داده در آژور
• 17. بهینه‌سازی عملکرد پرس‌وجوها در پایگاه‌های داده ابری
• 18. آشنایی با Azure Databricks برای پردازش داده
• 19. پردازش داده‌های جریانی با Azure Stream Analytics
• 20. تحلیل داده‌های لحظه‌ای در محیط‌های ابری
• 21. یکپارچه‌سازی Azure Data Lake با ابزارهای تحلیل داده
• 22. امنیت داده در حال انتقال و داده‌های ساکن
• 23. پیکربندی فایروال و شبکه‌های مجازی برای پایگاه‌های داده
• 24. استفاده از Azure Key Vault برای مدیریت کلیدهای رمزنگاری
• 25. پشتیبان‌گیری و بازیابی فاجعه (Disaster Recovery) در آژور
• 26. استراتژی‌های حفظ تداوم کسب‌وکار در سیستم‌های داده‌محور
• 27. مانیتورینگ و عیب‌یابی با Azure Monitor و Log Analytics
• 28. مدیریت متاداده‌ها با Microsoft Purview
• 29. حکمرانی داده (Data Governance) در سازمان‌های دیجیتال
• 30. اتوماسیون زیرساخت با استفاده از Azure Resource Manager
• 31. استفاده از Infrastructure as Code برای استقرار پایگاه‌های داده
• 32. یکپارچه‌سازی هوش مصنوعی با خط‌لوله‌های داده آژور
• 33. معرفی Azure Machine Learning برای مهندسان داده
• 34. مدیریت چرخه‌حیات مدل‌های داده و یادگیری ماشین
• 35. پیاده‌سازی معماری Lambda و Kappa در آژور
• 36. بررسی تفاوت‌های پردازش دسته‌ای و پردازش جریانی
• 37. مدیریت داده‌های ساختاریافته و نیمه‌ساختاریافته
• 38. بهینه‌سازی توزیع داده‌ها در کلاسترهای ابری
• 39. ارزیابی قابلیت‌های مقیاس‌پذیری خودکار در آژور
• 40. مستندسازی معماری داده در پروژه‌های ابری
• 41. اصول طراحی پایگاه‌های داده توزیع‌شده
• 42. بررسی الگوهای طراحی داده برای سامانه‌های بزرگ
• 43. تحلیل کارایی و گلوگاه‌های سیستم‌های داده
• 44. پیاده‌سازی تست‌های واحد و یکپارچگی برای خط‌لوله‌ها
• 45. استفاده از DevOps برای مدیریت پروژه‌های مهندسی داده
• 46. مدیریت نسخه‌بندی کدها و اسکریپت‌های پردازش داده
• 47. ارائه گزارش‌های مدیریتی با Power BI و اتصال به آژور
• 48. جمع‌بندی و طراحی معماری نهایی راهکارهای ابری