یادگیری مدرک بین المللی AWS Big Data

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با آمازون وب سرویسز یاد می گیرید.

عنوان اصلی : AWS Certified Big Data - Specialty Certification

سرفصل ها :

جزئیات آزمون:
معرفی دوره
مروری بر کلان داده در گواهینامه AWS
هدف از کلان داده در دوره گواهینامه AWS
الگوی امتحانی و برنامه درسی امتحان
دانش توصیه شده AWS
Big Data در مورد AWS مقدمه:
اهداف یادگیری
مقدمه، مزایا و انواع رایانش ابری
مدل‌های استقرار ابری
دسته بندی خدمات ابری
پلتفرم ابری AWS
اصول طراحی معماری ابری AWS - بخش اول
اصول طراحی معماری ابری AWS - قسمت دوم
چرا AWS برای داده های بزرگ - دلایل و چالش ها
پایگاه های داده در AWS
ذخیره سازی داده ها در AWS
Redshift، Kinesis و EMR
DynamoDB، یادگیری ماشین و لامبدا
خدمات جستجوی الاستیک و EC2
خوراکی های کلیدی
کلان داده در AWS - مجموعه:
هدف یادگیری
Amazon Kinesis و Kinesis Stream
معماری جریان داده Kinesis و اجزای اصلی
تولید کننده داده
مصرف کننده داده
انتشار داده‌های جریان Kinesis به خدمات AWS و کتابخانه اتصال Kinesis
کینسیس فایرهوز
نسخه ی نمایشی - قرار دادن و دریافت رکورد از Kinesis Data Stream
انتقال داده با استفاده از لامبدا
چرخه حیات و معماری آمازون SQS
اینترنت اشیا و کلان داده
چارچوب اینترنت اشیا
خطوط لوله داده و گره های داده AWS
فعالیت، پیش شرط و برنامه
نسخه ی نمایشی - وارد کردن داده ها از S3 به DynamoDB با استفاده از خط لوله داده
خوراکی های کلیدی
کلان داده در AWS - ذخیره سازی:
هدف یادگیری
یخچال طبیعی آمازون و داده های بزرگ
معرفی DynamoDB
DynamoDB و EMR
پارتیشن ها و توزیع های DynamoDB
DynamoDB GSI LSI
DynamoDB Stream and Cross-Region Replication
عملکرد DynamoDB و انتخاب کلید پارتیشن
Snowball و AWS Big Data
AWS DMS
AWS Aurora در Big Data
نسخه ی نمایشی - آمازون Athena Interactive SQL Queries for Data in Amazon S3 Part I
نسخه ی نمایشی - جستجوهای SQL تعاملی Amazon Athena برای داده ها در آمازون S3 قسمت دوم
خوراکی های کلیدی
کلان داده در AWS - پردازش:
هدف یادگیری
آمازون EMR
نسخه ی نمایشی - تجزیه و تحلیل داده های بزرگ با آمازون EMR
آپاچی هادوپ
معماری EMR
عملیات EMR - انتشار و خوشه
عملیات EMR - انتخاب نمونه و نظارت
نسخه ی نمایشی - گزینه های تنظیمات پیشرفته EMR
کندو در EMR
HBase با EMR
Presto با EMR
جرقه با EMR
ذخیره سازی فایل EMR
نسخه ی نمایشی - تجزیه و تحلیل مجموعه داده های بزرگ با استفاده از Hive و Spark
AWS Lambda
خوراکی های کلیدی
کلان داده در AWS - تجزیه و تحلیل:
هدف یادگیری
Redshift Intro and Use Cases
معماری Redshift
MPP و Redshift در اکوسیستم AWS
پایگاه های داده ستونی
طراحی میز Redshift - قسمت اول
طراحی میز Redshift - قسمت دوم
نسخه ی نمایشی - ایجاد مجموعه داده تصادفی در EC2 و بارگیری آن در S3
نسخه ی نمایشی - تعمیر و نگهداری و عملیات Redshift
مقدمه یادگیری ماشین
الگوریتم یادگیری ماشین
آمازون SageMaker
Amazon Elasticsearch
خدمات جستجوی الاستیک آمازون
نسخه ی نمایشی - بارگیری مجموعه داده ها در Elasticsearch
Logstash و RStudio
نسخه ی نمایشی - واکشی فایل و تجزیه و تحلیل آن با استفاده از RStudio
آتنا
نسخه ی نمایشی - اجرای پرس و جو در S3 با استفاده از آتنا بدون سرور
نسخه ی نمایشی - ایجاد یک خوشه Redshift و بارگیری مجموعه داده ها در آن از S3 - قسمت اول
نسخه ی نمایشی - ایجاد یک خوشه Redshift و بارگیری مجموعه داده ها در آن از S3 - قسمت دوم
خوراکی های کلیدی
کلان داده در AWS - تجسم:
هدف یادگیری
آمازون QuickSight
نسخه ی نمایشی - ایجاد یک تجزیه و تحلیل با یک ویژوال منفرد با استفاده از داده های نمونه
نسخه ی نمایشی - ایجاد یک تجزیه و تحلیل با استفاده از داده های آمازون S3 خودتان
انواع بصری
داستان ها
تجسم داده های بزرگ
خوراکی های کلیدی
کلان داده در AWS - امنیت:
هدف یادگیری
گروه امنیت و امنیت EMR
نقش ها و زیرشبکه خصوصی
رمزگذاری در حالت استراحت و در حین حمل و نقل
Redshift Security
رمزگذاری در حالت استراحت با استفاده از CloudHSM
Cloud HSM در مقابل AWS KMS
دسترسی به داده را محدود کنید
خوراکی های کلیدی