مهندسی داده
( 24 ماژول‌ها )

ماژول #1
مقدمه ای بر مهندسی داده
مروری بر مهندسی داده، اهمیت و نقش در علم داده

ماژول #2
مبانی مهندسی داده
مبانی پردازش داده، ذخیره سازی داده ها و معماری داده ها

ماژول #3
الگوهای جذب داده
طراحی و اجرای خطوط لوله انتقال داده

ماژول #4
گزینه های ذخیره سازی داده ها
پایگاه های داده رابطه ای، پایگاه های داده NoSQL و انبار داده ها

ماژول #5
راه حل های ذخیره سازی کلان داده
HDFS، HBase، و دیگر گزینه های ذخیره سازی کلان داده

ماژول #6
مبانی پردازش داده ها
پردازش دسته ای، پردازش جریانی و پردازش بلادرنگ

ماژول #7
اصول اسپارک آپاچی
مقدمه ای بر آپاچی اسپارک، اسپارک کور و اسپارک اس کیو ال

ماژول #8
پردازش دسته ای با اسپارک آپاچی
موارد استفاده و پیاده سازی پردازش دسته ای با Spark

ماژول #9
پردازش جریانی با آپاچی اسپارک
موارد استفاده و پیاده سازی پردازش جریانی را با Spark

ماژول #10
پردازش بلادرنگ با Apache Flink
مقدمه ای بر Apache Flink و موارد استفاده از پردازش بلادرنگ

ماژول #11
خطوط لوله داده و مدیریت گردش کار
طراحی و اجرای خطوط لوله داده با Apache Airflow و Apache NiFi

ماژول #12
کیفیت داده و حاکمیت داده
معیارهای کیفیت داده، حاکمیت داده، و اصل و نسب داده

ماژول #13
امنیت داده ها و کنترل دسترسی
بهترین شیوه های رمزگذاری داده ها، کنترل دسترسی و امنیت

ماژول #14
مهندسی داده مبتنی بر ابر
مهندسی داده مبتنی بر ابر با AWS، GCP و Azure

ماژول #15
کانتینرسازی و ارکستراسیون
Containerization با Docker و ارکستراسیون با Kubernetes

ماژول #16
مانیتورینگ و ورود به سیستم مهندسی داده
نظارت و ثبت بهترین شیوه ها در مهندسی داده

ماژول #17
تست و اعتبارسنجی در مهندسی داده
استراتژی‌های آزمایش و اعتبارسنجی برای خطوط لوله و سیستم‌های داده

ماژول #18
مهندسی داده برای یادگیری ماشین
مهندسی داده برای مدل های یادگیری ماشین و برنامه های کاربردی هوش مصنوعی

ماژول #19
موارد استفاده مهندسی داده در دنیای واقعی
مطالعات موردی و نمونه های دنیای واقعی از برنامه های مهندسی داده

ماژول #20
ابزارها و فناوری های مهندسی داده
بررسی ابزارها و فناوری های مهندسی داده

ماژول #21
بهترین روش های مهندسی داده
بهترین شیوه ها برای طراحی، توسعه و استقرار مهندسی داده

ماژول #22
مهندسی داده در مقیاس
ملاحظات مقیاس پذیری و عملکرد برای سیستم های مهندسی داده در مقیاس بزرگ

ماژول #23
مهندسی داده برای علم داده
همکاری بین مهندسان داده و دانشمندان داده

ماژول #24
جمع بندی و نتیجه گیری دوره
برنامه ریزی مراحل بعدی در حرفه مهندسی داده

آماده یادگیری , به اشتراک گذاری و رقابت هستید؟

کپی رایت 2025 @ wizape.com
تمامی حقوق محفوظ است