فلش‌کارت‌های آموزشی جامع آمادگی آزمون مهندسی داده AWS: طراحی و مدیریت خط‌لوله‌های داده‌ای ایمن و مقیاس‌پذیر

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع آمادگی آزمون مهندسی داده AWS: طراحی و مدیریت خط‌لوله‌های داده‌ای ایمن و مقیاس‌پذیر

موضوع کلی: فناوری اطلاعات و علوم داده

موضوع میانی: مهندسی داده و زیرساخت‌های ابری

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی رایانش ابری و معماری سرویس‌های آمازون وب‌سرویس
• 2. نقش و مسئولیت‌های مهندس داده در اکوسیستم ابری
• 3. آشنایی با سرویس ذخیره‌سازی ابری آمازون S3
• 4. مدیریت چرخه‌حیات داده و سیاست‌های ذخیره‌سازی در S3
• 5. امنیت و کنترل دسترسی در محیط‌های ابری با AWS IAM
• 6. استراتژی‌های رمزنگاری داده‌ها در حال سکون و در حال انتقال
• 7. مبانی پایگاه‌های داده رابطه‌ای در آمازون RDS
• 8. مدیریت و مقیاس‌پذیری پایگاه‌های داده در مقیاس بزرگ با Aurora
• 9. آشنایی با پایگاه‌های داده غیررابطه‌ای و DynamoDB
• 10. طراحی مدل داده برای کارایی بالا در DynamoDB
• 11. مفاهیم انباره داده و سرویس آمازون Redshift
• 12. بهینه‌سازی پرس‌وجوها و معماری جداول در Redshift
• 13. مبانی پردازش داده‌های حجیم با سرویس EMR
• 14. مدیریت خوشه‌های آپاچی اسپارک در محیط ابری
• 15. یکپارچه‌سازی داده‌ها با سرویس AWS Glue
• 16. طراحی و مدیریت کاتالوگ داده با AWS Glue Data Catalog
• 17. استفاده از AWS Glue ETL برای پاک‌سازی و تغییر شکل داده‌ها
• 18. مبانی جریان داده و پردازش بلادرنگ با Kinesis
• 19. معماری خط‌لوله‌های داده با AWS Step Functions
• 20. مدیریت زمان‌بندی و ارکستراسیون وظایف با Managed Airflow
• 21. مفاهیم دریاچه داده و معماری مدرن ذخیره‌سازی
• 22. پیاده‌سازی امنیت در خط‌لوله‌های داده با استفاده از KMS
• 23. مانیتورینگ و مشاهده‌پذیری زیرساخت‌های داده با CloudWatch
• 24. تحلیل لاگ‌ها و عیب‌یابی خط‌لوله‌ها با CloudWatch Logs
• 25. بهینه‌سازی هزینه‌های زیرساخت داده در AWS
• 26. استراتژی‌های پشتیبان‌گیری و بازیابی فاجعه برای داده‌ها
• 27. مدیریت تغییرات و زیرساخت به عنوان کد با CloudFormation
• 28. مفاهیم تحلیل داده‌های بزرگ با آمازون Athena
• 29. استفاده از کوئری‌های SQL بر روی داده‌های ذخیره شده در S3
• 30. مدیریت شبکه‌های خصوصی و امنیت در VPC برای سرویس‌های داده
• 31. اتصال امن به منابع داده داخلی و ابری
• 32. مبانی انتقال داده به ابر با سرویس‌های DataSync و Snow Family
• 33. بهینه‌سازی عملکرد خط‌لوله‌های داده‌ای با فشرده‌سازی و پارتیشن‌بندی
• 34. یکپارچه‌سازی سرویس‌های تحلیل داده با QuickSight
• 35. اصول حاکمیت داده و رعایت استانداردهای امنیتی در محیط ابری
• 36. مدیریت کیفیت داده و اعتبارسنجی در خط‌لوله‌های ETL
• 37. آمادگی برای آزمون و بررسی سناریوهای کاربردی مهندسی داده
• 38. حل مسائل عملیاتی و بهینه‌سازی جریان‌های داده‌ای پیچیده
• 39. مرور استانداردهای انطباق و امنیت داده در چارچوب قوانین جمهوری اسلامی ایران
• 40. جمع‌بندی و مسیر یادگیری حرفه‌ای در مهندسی داده ابری