کتاب صوتی راهنمای کاربردی مهاجرت و مدیریت داده‌ها در Google BigQuery برای متخصصان Redshift

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای کاربردی مهاجرت و مدیریت داده‌ها در Google BigQuery برای متخصصان Redshift

موضوع کلی: علوم داده و تحلیل کلان‌داده (Big Data)

موضوع میانی: سامانه‌های انبار داده ابری (Cloud Data Warehousing)

📋 سرفصل‌های دوره

• 1. مبانی و معماری کلی انبار داده‌های ابری
• 2. مقایسه ساختاری Redshift و Google BigQuery
• 3. بررسی مدل‌های پردازش داده در پلتفرم‌های ابری
• 4. مفاهیم پایه و معماری داخلی BigQuery
• 5. مدیریت پروژه‌ها و سازمان‌دهی منابع در Google Cloud
• 6. مراحل آماده‌سازی برای مهاجرت داده از Redshift به BigQuery
• 7. استراتژی‌های انتقال داده با استفاده از سرویس‌های انتقال داده
• 8. مفاهیم جداول و مجموعه‌های داده در محیط BigQuery
• 9. تفاوت در مدل‌های ذخیره‌سازی ستونی و ردیفی
• 10. تطبیق انواع داده‌ها از Redshift به BigQuery
• 11. اصول طراحی و بهینه‌سازی جداول پارتیشن‌بندی شده
• 12. استفاده از جداول خوشه‌بندی شده برای بهبود کارایی پرس‌وجوها
• 13. نگاشت مفاهیم SQL از Redshift به گویش استاندارد BigQuery
• 14. مدیریت توابع تعریف‌شده توسط کاربر در محیط ابری
• 15. بهینه‌سازی پرس‌وجوهای پیچیده و تحلیلی
• 16. بررسی هزینه‌ها و مدیریت بودجه در BigQuery
• 17. پیاده‌سازی امنیت و کنترل دسترسی بر اساس نقش‌ها
• 18. مدیریت سطوح دسترسی در سطح ستون و ردیف
• 19. یکپارچه‌سازی با سرویس‌های ذخیره‌سازی فایل در Cloud Storage
• 20. استفاده از ابزارهای خط فرمان برای مدیریت داده‌ها
• 21. اتصال BigQuery به ابزارهای هوش تجاری و گزارش‌گیری
• 22. بررسی عملکرد و مانیتورینگ در کنسول Google Cloud
• 23. استراتژی‌های بارگذاری داده‌های حجیم به صورت دسته‌ای
• 24. مدیریت جریان داده‌های بلادرنگ با استفاده از BigQuery Streaming
• 25. تحلیل لاگ‌ها و عیب‌یابی در محیط مهاجرت
• 26. بهینه‌سازی کارایی با استفاده از متریالایز ویو
• 27. استفاده از هوش مصنوعی و یادگیری ماشین در BigQuery
• 28. بررسی قابلیت‌های BigLake برای یکپارچه‌سازی داده‌ها
• 29. مدیریت چرخه حیات داده و سیاست‌های نگهداری
• 30. امنیت داده‌ها و رمزنگاری در محیط ابری
• 31. تطبیق استانداردهای گزارش‌گیری و حاکمیت داده
• 32. بهترین روش‌های نگهداری و پشتیبانی سیستم‌های داده‌ای ابری