کتاب صوتی جاوا برای توسعه‌دهندگان Spring Cloud Google Cloud Dataflow

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جاوا برای توسعه‌دهندگان Spring Cloud Google Cloud Dataflow

موضوع کلی: برنامه نویسی

موضوع میانی: جاوا (Java)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه‌نویسی جاوا
• 2. مفاهیم پایه‌ای برنامه‌نویسی شیءگرا
• 3. آشنایی با محیط توسعه یکپارچه (IDE) برای جاوا
• 4. نصب و پیکربندی Java Development Kit (JDK)
• 5. متغیرها و انواع داده در جاوا
• 6. عملگرها در جاوا
• 7. جریان کنترل: شرط‌ها و حلقه‌ها
• 8. آرایه‌ها و مجموعه‌ها در جاوا
• 9. کلاس‌ها و اشیاء در جاوا
• 10. وراثت و چندریختی
• 11. انتزاع و واسط‌ها
• 12. مدیریت استثنائات در جاوا
• 13. ورودی و خروجی فایل‌ها در جاوا
• 14. مقدمه‌ای بر Spring Framework
• 15. معماری لایه‌بندی در Spring
• 16. Dependency Injection و Inversion of Control
• 17. Bean Configuration در Spring
• 18. Aspect-Oriented Programming (AOP) در Spring
• 19. Spring Data JPA و کار با پایگاه داده
• 20. Spring MVC و توسعه وب اپلیکیشن
• 21. RESTful Web Services با Spring Boot
• 22. تست‌نویسی با Spring Test
• 23. مقدمه‌ای بر میکروسرویس‌ها
• 24. Spring Cloud Config برای مدیریت پیکربندی
• 25. Spring Cloud Discovery و Service Registration
• 26. Spring Cloud Gateway برای مدیریت API
• 27. Spring Cloud Stream برای پردازش رویداد
• 28. مقدمه‌ای بر Google Cloud Platform (GCP)
• 29. محصولات اصلی GCP: Compute Engine, Cloud Storage, Cloud SQL
• 30. استقرار اپلیکیشن Spring Boot در GCP
• 31. Google Kubernetes Engine (GKE) و Containerization
• 32. مقدمه‌ای بر Dataflow
• 33. مفاهیم پایه‌ای پردازش داده‌های جریانی و دسته‌ای
• 34. Apache Beam و مدل برنامه‌نویسی آن
• 35. Dataflow SDK برای جاوا
• 36. Pipeline‌های Dataflow: خواندن، تبدیل، نوشتن داده‌ها
• 37. Dataflow Template‌ها و استفاده از آن‌ها
• 38. مانیتورینگ و اشکال‌زدایی Pipeline‌های Dataflow
• 39. ادغام Spring Cloud با Dataflow
• 40. استفاده از Pub/Sub برای ورودی و خروجی Dataflow
• 41. پردازش داده‌های Real-time با Dataflow و Spring Cloud Stream
• 42. بهینه‌سازی Pipeline‌های Dataflow
• 43. امنیت در Dataflow و Spring Cloud
• 44. استفاده از Cloud Storage به عنوان منبع داده در Dataflow
• 45. کار با BigQuery در Dataflow
• 46. Dataflow و پردازش داده‌های JSON
• 47. Dataflow و پردازش داده‌های Avro
• 48. Dataflow و پردازش داده‌های Parquet
• 49. Dataflow و پردازش داده‌های CSV
• 50. Dataflow و تبدیل داده‌ها با استفاده از UDF‌ها
• 51. Dataflow و Windowing
• 52. Dataflow و Watermarking
• 53. Dataflow و Triggers
• 54. Dataflow و State Management
• 55. Dataflow و Side Inputs
• 56. Dataflow و Metrics
• 57. Dataflow و Error Handling
• 58. مقدمه‌ای بر Kubernetes
• 59. استقرار میکروسرویس‌های Spring Cloud در Kubernetes
• 60. مدیریت سرویس‌ها در Kubernetes
• 61. مقیاس‌پذیری و Load Balancing در Kubernetes
• 62. مانیتورینگ و Logging در Kubernetes
• 63. Continuous Integration و Continuous Deployment (CI/CD) با Kubernetes
• 64. Dataflow و Kubernetes
• 65. توسعه اپلیکیشن‌های Dataflow برای استقرار در Kubernetes
• 66. بهینه‌سازی عملکرد Dataflow در Kubernetes
• 67. امنیت Dataflow در Kubernetes
• 68. Dataflow و Auto Scaling
• 69. Dataflow و Cost Optimization
• 70. Dataflow و Data Validation
• 71. Dataflow و Data Quality
• 72. Dataflow و Data Governance
• 73. مقدمه‌ای بر Dataflow Flex
• 74. Dataflow Flex vs Dataflow Runner
• 75. استفاده از Dataflow Flex برای پردازش داده‌های بزرگ
• 76. Dataflow Flex و منابع محاسباتی
• 77. Dataflow Flex و Cost Control
• 78. Dataflow Flex و Performance Tuning
• 79. Dataflow و پردازش تصاویر
• 80. Dataflow و پردازش ویدیوها
• 81. Dataflow و پردازش متن
• 82. Dataflow و پردازش داده‌های حسگر
• 83. Dataflow و یادگیری ماشین
• 84. Dataflow و تحلیل داده‌های شبکه‌های اجتماعی
• 85. Dataflow و پیش‌بینی تقاضا
• 86. Dataflow و تشخیص تقلب
• 87. Dataflow و شخصی‌سازی
• 88. Dataflow و توصیه‌گرها
• 89. Dataflow و پردازش لاگ‌ها
• 90. Dataflow و مانیتورینگ سیستم
• 91. Dataflow و امنیت داده‌ها
• 92. Dataflow و حریم خصوصی داده‌ها
• 93. Dataflow و انطباق با مقررات
• 94. Dataflow و مدیریت داده‌ها
• 95. Dataflow و داده‌های بزرگ
• 96. Dataflow و پردازش بلادرنگ
• 97. Dataflow و پردازش دسته‌ای
• 98. Dataflow و پردازش هیبریدی
• 99. Dataflow و پردازش ابری
• 100. Dataflow و پردازش محلی