کتاب صوتی طراحی و پیاده‌سازی خطوط لوله انتقال داده برای انبار داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی و پیاده‌سازی خطوط لوله انتقال داده برای انبار داده

موضوع کلی: مدیریت و تحلیل داده‌ها

موضوع میانی: انبار داده و معماری داده

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر انبار داده و خطوط لوله انتقال داده
• 2. مفاهیم کلیدی انبار داده: ابعاد، حقایق و اسکیمای ستاره‌ای
• 3. معماری‌های انبار داده: Kimball، Inmon و Data Vault
• 4. انتخاب ابزار مناسب برای انبار داده
• 5. مقدمه‌ای بر ETL: استخراج، تبدیل و بارگذاری
• 6. منابع داده: شناسایی و اتصال به داده‌های مختلف
• 7. استخراج داده: تکنیک‌ها و چالش‌ها
• 8. تبدیل داده: پاکسازی، استانداردسازی و یکپارچه‌سازی
• 9. بارگذاری داده: استراتژی‌ها و بهینه‌سازی
• 10. برنامه‌ریزی و زمان‌بندی فرآیندهای ETL
• 11. کنترل کیفیت داده در خطوط لوله انتقال داده
• 12. مقدمه‌ای بر Data Modeling
• 13. طراحی مدل داده برای انبار داده
• 14. نرمال‌سازی و دِنرمال‌سازی در مدل‌سازی داده
• 15. مدل‌سازی ابعاد: طراحی ابعاد و حقایق
• 16. استفاده از نمودارهای ER برای مدل‌سازی داده
• 17. مقدمه‌ای بر پایگاه‌های داده رابطه‌ای
• 18. زبان SQL: دستورات اصلی و پیشرفته
• 19. بهینه‌سازی پرس و جوهای SQL برای انبار داده
• 20. مقدمه‌ای بر پایگاه‌های داده NoSQL
• 21. استفاده از پایگاه‌های داده NoSQL در انبار داده
• 22. مقدمه‌ای بر پردازش داده‌های بزرگ
• 23. Hadoop و MapReduce: مفاهیم و کاربردها
• 24. Spark: یک موتور پردازش داده‌های بزرگ سریع
• 25. Kafka: یک پلتفرم جریان داده توزیع‌شده
• 26. Cloud Data Warehousing: AWS Redshift، Google BigQuery، Azure Synapse
• 27. مقدمه‌ای بر Data Governance
• 28. امنیت داده و کنترل دسترسی
• 29. مدیریت فراداده (Metadata Management)
• 30. Data Lineage: ردیابی منشاء داده‌ها
• 31. Data Catalog: فهرست داده‌ها و اطلاعات مربوطه
• 32. مقدمه‌ای بر DataOps
• 33. اتوماسیون فرآیندهای ETL
• 34. مانیتورینگ و هشداردهی خطوط لوله انتقال داده
• 35. کنترل نسخه و مدیریت پیکربندی
• 36. مقدمه‌ای بر Streaming Data
• 37. پردازش جریان داده در زمان واقعی
• 38. Apache Flink و Apache Storm
• 39. Kafka Streams
• 40. مقدمه‌ای بر Data Virtualization
• 41. استفاده از Data Virtualization برای دسترسی به داده‌های مختلف
• 42. مقدمه‌ای بر Data Integration
• 43. روش‌های مختلف یکپارچه‌سازی داده‌ها
• 44. مفاهیم CDC (Change Data Capture)
• 45. پیاده‌سازی CDC با استفاده از ابزارهای مختلف
• 46. مقدمه‌ای بر Data Quality
• 47. تکنیک‌های ارزیابی کیفیت داده
• 48. پاکسازی و پروفایل‌سازی داده
• 49. مقدمه‌ای بر Data Security
• 50. رمزنگاری داده
• 51. حفاظت از داده‌های حساس
• 52. مقدمه‌ای بر Data Privacy
• 53. رعایت قوانین حریم خصوصی داده
• 54. مقدمه‌ای بر Data Discovery
• 55. شناسایی داده‌های مرتبط و مفید
• 56. مقدمه‌ای بر Data Architecture Patterns
• 57. معماری لایه‌ای (Layered Architecture)
• 58. معماری مبتنی بر رویداد (Event-Driven Architecture)
• 59. معماری لامبدا (Lambda Architecture)
• 60. معماری کاپا (Kappa Architecture)
• 61. طراحی خطوط لوله انتقال داده برای داده‌های ساخت‌یافته
• 62. طراحی خطوط لوله انتقال داده برای داده‌های نیمه‌ساخت‌یافته
• 63. طراحی خطوط لوله انتقال داده برای داده‌های بدون ساختار
• 64. استفاده از ابزارهای ETL مبتنی بر Cloud
• 65. استفاده از ابزارهای ETL محلی
• 66. مقدمه‌ای بر Data Modeling Tools
• 67. ERwin Data Modeler
• 68. PowerDesigner
• 69. مقدمه‌ای بر Data Profiling Tools
• 70. DataFlux Data Management Studio
• 71. Informatica Data Quality
• 72. مقدمه‌ای بر Data Governance Frameworks
• 73. DAMA-DMBOK
• 74. COBIT
• 75. بهترین روش‌ها برای مستندسازی خطوط لوله انتقال داده
• 76. بهترین روش‌ها برای تست و اعتبارسنجی خطوط لوله انتقال داده
• 77. عیب‌یابی و رفع مشکلات خطوط لوله انتقال داده
• 78. بهینه‌سازی عملکرد خطوط لوله انتقال داده
• 79. معرفی استانداردهای داده
• 80. استفاده از استانداردهای داده در خطوط لوله انتقال داده
• 81. مفاهیم Data Mesh
• 82. پیاده‌سازی Data Mesh در سازمان‌ها
• 83. مقدمه‌ای بر Data Fabric
• 84. تفاوت بین Data Mesh و Data Fabric