کتاب صوتی راهنمای جامع مدیریت و توسعه زیرساخت‌های ابری با Google Cloud SDK و زبان پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای جامع مدیریت و توسعه زیرساخت‌های ابری با Google Cloud SDK و زبان پایتون

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: رایانش ابری (Cloud Computing)

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم رایانش ابری و مدل‌های سرویس‌دهی
• 2. آشنایی با معماری زیرساخت‌های ابری گوگل
• 3. نصب و پیکربندی محیط توسعه پایتون برای سرویس‌های ابری
• 4. مدیریت احراز هویت و امنیت در Google Cloud
• 5. کار با Google Cloud SDK و ابزارهای خط فرمان
• 6. ساخت و مدیریت پروژه‌ها در کنسول گوگل کلاود
• 7. مدیریت منابع محاسباتی با Compute Engine
• 8. ذخیره‌سازی داده‌ها در Cloud Storage
• 9. کار با پایگاه داده‌های رابطه‌ای در Cloud SQL
• 10. مدیریت پایگاه داده‌های NoSQL با Firestore
• 11. آشنایی با توابع ابری یا Cloud Functions
• 12. استقرار برنامه‌های پایتون در App Engine
• 13. مدیریت کانتینرها با Google Kubernetes Engine
• 14. ایجاد و پیکربندی شبکه‌های مجازی (VPC)
• 15. مدیریت دسترسی‌ها و نقش‌ها با IAM
• 16. مانیتورینگ و مشاهده وضعیت سرویس‌ها با Cloud Monitoring
• 17. مدیریت لاگ‌ها و عیب‌یابی با Cloud Logging
• 18. بهینه‌سازی هزینه‌های زیرساخت ابری
• 19. استفاده از کتابخانه‌های پایتون برای تعامل با APIهای گوگل
• 20. اتوماسیون استقرار زیرساخت با ابزارهای Infrastructure as Code
• 21. مدیریت نسخه‌های کد و یکپارچه‌سازی با سرویس‌های ابری
• 22. کار با سرویس‌های هوش مصنوعی و یادگیری ماشین ابری
• 23. تحلیل داده‌های حجیم با BigQuery
• 24. ایمن‌سازی ارتباطات در بستر ابری
• 25. پیاده‌سازی استراتژی‌های پشتیبان‌گیری و بازیابی اطلاعات
• 26. مدیریت پیام‌رسانی و صف‌ها با Pub/Sub
• 27. توزیع بار ترافیک با Load Balancing
• 28. مدیریت کلیدهای رمزنگاری و امنیت داده‌ها
• 29. به‌کارگیری Cloud Run برای اجرای کانتینرهای مقیاس‌پذیر
• 30. استفاده از Cloud Build برای فرآیندهای CI/CD
• 31. مدیریت تنظیمات محیطی و Secret Manager
• 32. آشنایی با سرویس‌های ابری لبه‌ای (Edge Computing)
• 33. بهینه‌سازی عملکرد برنامه‌های پایتون در محیط ابری
• 34. استفاده از ابزارهای تحلیل خطا و Debugging در محیط ابری
• 35. مدیریت مقیاس‌پذیری خودکار (Auto-scaling)
• 36. ارتباط امن بین دیتاسنتر داخلی و فضای ابری
• 37. مستندسازی و گزارش‌گیری از زیرساخت‌های ابری
• 38. اصول طراحی معماری‌های مقاوم در برابر خطا
• 39. مدیریت چرخه حیات منابع ابری
• 40. مطالعه موردی: طراحی یک سامانه ابری امن و بهینه با پایتون