دوره آموزشی آمادگی برای آزمون گواهی مهندس داده AWS (DEA-C01)
12 ساعت 58 دقیقهمتوسط2025-06-04
مدرسین

Digital Cloud Training
جزئیات دوره
مدرک مهندس داده تأییدشده AWS – سطح Associate (DEA-C01) برای افرادی طراحی شده که میخوان ثابت کنن توانایی ساخت، اجرا، نگهداری و بهینهسازی خط لولههای داده (Data Pipelines) رو دارن. همچنین نشون میده شما میتونید مشکلات مربوط به عملکرد و هزینه رو تشخیص بدید و طبق بهترین استانداردها اونها رو رفع کنید.
توی این دوره قراره برای امتحان آماده بشید و کلی مهارت عملی یاد بگیرید، مثل:
جمعآوری (ingest) و تبدیل (transform) دادهها از منابع مختلف و راهاندازی و زمانبندی اجرای خط لولههای داده با استفاده از مفاهیم برنامهنویسی.
انتخاب بهترین نوع ذخیرهسازی داده بسته به نیاز، طراحی مدلهای دادهای درست، ایجاد کاتالوگ برای دادهها (برای اینکه قابل کشف و استفاده باشن) و مدیریت چرخه عمر داده (از ساخت تا پاکسازی).
راهاندازی، نگهداری و مانیتورینگ (پایش) خودکار خط لولههای داده بهطوریکه بدون مشکل و با کمترین هزینه کار کنن.
تحلیل و بررسی دادهها و مطمئن شدن از کیفیت اونها، چون داده بیکیفیت یعنی خروجی بیفایده.
اجرای سیستمهای امنیتی مناسب مثل احراز هویت (Authentication)، سطح دسترسیها (Authorization)، رمزنگاری دادهها (Encryption)، حفظ حریم خصوصی و رعایت قوانین حاکمیتی دادهها.
اگه دنبال یه شغل حرفهای تو حوزهی مهندسی داده تو فضای ابری AWS هستی، این مدرک میتونه یکی از بهترین و سریعترین راهها برای رسیدن به اون باشه.
اهداف یادگیری:
با شرکت در این دوره و آمادگی برای آزمون، شما یاد میگیرید:
دادهها رو از منابع مختلف بگیرید و به شکل مناسب برای پردازش تبدیل کنید.
با مفاهیم برنامهنویسی، اورکستراسیون (زمانبندی و اجرای منظم) خط لولههای داده رو پیادهسازی کنید.
بهترین ذخیرهساز داده رو انتخاب کنید و مدلهای دادهای مؤثر طراحی کنید.
با کاتالوگکردن دادهها، استفاده از اونها رو در پروژههای دیگه راحتتر کنید.
چرخه عمر داده رو مدیریت کنید، از ذخیرهسازی تا حذف.
خط لولههای داده رو عملیاتی، نگهداری و مانیتور کنید.
دادهها رو تحلیل کنید و کیفیت اونها رو بسنجید و تضمین کنید.
امنیت دادهها رو با استفاده از رمزنگاری، مجوزدهی، احراز هویت و رعایت قوانین حفظ حریم خصوصی تضمین کنید.
توی این دوره قراره برای امتحان آماده بشید و کلی مهارت عملی یاد بگیرید، مثل:
جمعآوری (ingest) و تبدیل (transform) دادهها از منابع مختلف و راهاندازی و زمانبندی اجرای خط لولههای داده با استفاده از مفاهیم برنامهنویسی.
انتخاب بهترین نوع ذخیرهسازی داده بسته به نیاز، طراحی مدلهای دادهای درست، ایجاد کاتالوگ برای دادهها (برای اینکه قابل کشف و استفاده باشن) و مدیریت چرخه عمر داده (از ساخت تا پاکسازی).
راهاندازی، نگهداری و مانیتورینگ (پایش) خودکار خط لولههای داده بهطوریکه بدون مشکل و با کمترین هزینه کار کنن.
تحلیل و بررسی دادهها و مطمئن شدن از کیفیت اونها، چون داده بیکیفیت یعنی خروجی بیفایده.
اجرای سیستمهای امنیتی مناسب مثل احراز هویت (Authentication)، سطح دسترسیها (Authorization)، رمزنگاری دادهها (Encryption)، حفظ حریم خصوصی و رعایت قوانین حاکمیتی دادهها.
اگه دنبال یه شغل حرفهای تو حوزهی مهندسی داده تو فضای ابری AWS هستی، این مدرک میتونه یکی از بهترین و سریعترین راهها برای رسیدن به اون باشه.
اهداف یادگیری:
با شرکت در این دوره و آمادگی برای آزمون، شما یاد میگیرید:
دادهها رو از منابع مختلف بگیرید و به شکل مناسب برای پردازش تبدیل کنید.
با مفاهیم برنامهنویسی، اورکستراسیون (زمانبندی و اجرای منظم) خط لولههای داده رو پیادهسازی کنید.
بهترین ذخیرهساز داده رو انتخاب کنید و مدلهای دادهای مؤثر طراحی کنید.
با کاتالوگکردن دادهها، استفاده از اونها رو در پروژههای دیگه راحتتر کنید.
چرخه عمر داده رو مدیریت کنید، از ذخیرهسازی تا حذف.
خط لولههای داده رو عملیاتی، نگهداری و مانیتور کنید.
دادهها رو تحلیل کنید و کیفیت اونها رو بسنجید و تضمین کنید.
امنیت دادهها رو با استفاده از رمزنگاری، مجوزدهی، احراز هویت و رعایت قوانین حفظ حریم خصوصی تضمین کنید.
مهارت ها
Data EngineeringCloud ServicesCloud PlatformsCert PrepCloud ComputingData Science
سرفصل ها
۰. مقدمه
- 01 - خوش آمدید و نحوه استفاده از این دوره
- 02 - آزمون DEA-C01
- 03 - تمرین عملی - AWS Free Tier در مقابل sandbox
۱. مدیریت دسترسی به حسابها و هویت AWS (IAM)
- 04 - مقدمه
- 05 - نمای کلی حساب AWS
- 06 - یادگیری عملی - حساب کاربری رایگان AWS خود را ایجاد کنید
- 07 - یادگیری عملی - ایجاد یک حساب کاربری با بودجه و زنگ هشدار
- 08 - AWS IAM
- 09 - آموزش عملی - ایجاد یک کاربر و گروه IAM
- 10 - احراز هویت IAM و احراز هویت چند عاملی (MFA)
- 11 - یادگیری عملی - فعال کردن MFA
- 12- روشهای کنترل دسترسی - RBAC و ABAC
- 13 - یادگیری عملی - تغییر نقشهای IAM
۲. خطوط لوله داده
- 14 - مقدمه
- 15 - مرور کلی خطوط لوله داده
- 16- سه «وی»
- 17- انواع دادهها
- 18- دستهای در مقابل پخش جریانی
- 19- OLAP در مقابل OTAP
- 20 - قالبهای داده
- 21- مدلسازی دادهها
- 22 - انبارهای داده
- 23 - دریاچههای داده
- 24- ملاحظات طراحی
- 25 - مدیریت وضعیت و قابلیت پخش مجدد
- 26 - موارد استفاده
- 27- محاسبات توزیعشده
- 28 - خطوط لوله داده در AWS
3. مقدمات SQL
- 29 - مقدمه
- 30- استفاده از SQL با AWS
- 31 - یادگیری عملی - ایجاد یک محیط SQL
- 32 - دستورات SQL
- 33 - انواع داده SQL
- 34 - زبان تعریف داده (DDL)
- 35 - زبان پرسوجوی داده (DQL)
- 36 - عملگرهای SQL
- 37 - نمایش نتایج
- 38 - توابع SQL
- 39 - پیوندها در SQL
- 40 - محدودیتهای SQL
- 41 - زبان دستکاری دادهها
- 42 - یادگیری عملی - جستجوی پایگاه داده
۴. دریافت دادهها
- 43 - مقدمه
- 44 - سناریوهای مصرف داده
- 45 - سرویس مهاجرت پایگاه داده AWS
- 46 - تبدیل طرحواره
- 47 - تغییر در ثبت دادهها
- 48- همگامسازی دادههای AWS
- 49- دروازه ذخیرهسازی AWS
- 50- خانواده برفی AWS
- 51 - خانواده انتقال AWS
- 52- چسب AWS
- 53- کاتالوگ دادههای چسب AWS
- 54 - یادگیری عملی - ایجاد یک کاتالوگ داده AWS Glue
- 55 - خزنده چسب AWS
- 56 - یادگیری عملی - ایجاد یک خزنده چسب AWS
- 57- جریانهای داده آمازون کینسیس
- 58 - یادگیری عملی - ایجاد یک جریان داده
- 59 - توان مصرفی
- 60 - خواندن دادهها با AWS Lambda
- 61 - همزمانی لامبدا در AWS
- 62- استفاده از Amazon EFS با AWS Lambda
- 63 - یادگیری عملی - ایجاد و استفاده از یک تابع AWS Lambda
- 64 - کتابخانه کلاینت کینسیس آمازون (KCL)
- 65- آمازون اماسکی
- 66- فایرهوز داده آمازون
- 67 - آموزش عملی - پیکربندی جریان Amazon Data Firehose
- 68 - جریانهای Amazon DynamoDB
- 69- رجیستری طرحواره چسب AWS
- 70- آمازون اپفلو
- 71 - مصرف APIهای داده
- 72 - تبادل دادهها
۵. تبدیل دادهها
- 73 - مقدمه
- 74 - سناریوهای رایج
- 75- معرفی EMR آمازون
- 76 - آپاچی هادوپ
- 77- چارچوبهای Hadoop
- 78- آپاچی اسپارک
- 79 - معماری EMR آمازون
- 80 - آموزش عملی - راهاندازی یک کلاستر EMR آمازون
- 81 - آمازون EMR بدون سرور
- 82 - آمازون EMR روی EKS
- 83- استودیوی EMR آمازون
- 84 - یادگیری عملی - استفاده از Amazon EMR Studio
- 85 - خدمات کانتینر برای پردازش دستهای
- 86- دسته AWS
- 87 - سرویس مدیریتشدهی آمازون برای آپاچی فلینک
- 88- چسب AWS DataBrew
- 89 - آموزش عملی - ایجاد یک پروژه AWS Glue DataBrew
۶. ذخیرهسازی دادهها
- 90 - مقدمه
- 91 - پلتفرمهای ذخیرهسازی
- 92 - ترازبندی برای دسترسی به الگوها
- 93 - مقایسه هزینه و عملکرد
- 94- آمازون آر دی اس
- 95- آمازون آرورا
- 96 - آموزش عملی - ایجاد یک پایگاه داده Amazon RDS
- 97 - آمازون دینامو دیبی
- 98 - پارتیشنها و کلیدهای اصلی DynamoDB
- 99 - آموزش عملی - تمرین ایجاد جداول DynamoDB
- 100 - DynamoDB LSI و GSI
- 101 - آموزش عملی - ایجاد یک LSI و یک GSI
- 102 - آموزش عملی - اضافه کردن زمان زنده ماندن (TTL) به آیتمها
- 103 - آمازون S3 برای دریاچههای داده
- 104 - کلاسهای ذخیرهسازی Amazon S3
- 105 - سیاستهای چرخه عمر Amazon S3
- 106 - نسخهبندی و تکثیر Amazon S3
- 107 - آموزش عملی - پیکربندی تکثیر و چرخه حیات
- 108 - بهینهسازی عملکرد Amazon S3
- 109 - ثبت دسترسی به سرور
- 110- استفاده از Amazon S3 برای نمایش دادهها
- 111 - نقاط دسترسی آمازون S3
- 112 - سایر خدمات پایگاه داده
۷. تحلیل دادهها
- 113 - مقدمه
- 114 - خدمات تحلیلی
- 115- آمازون ردشیفت
- 116 - آموزش عملی - راهاندازی یک خوشه Redshift آمازون
- 117 - آمازون ردشیفت بدون سرور
- 118 - طراحی طرحواره برای Amazon Redshift
- 119 - بارگذاری دادهها در Amazon Redshift
- 120 - آموزش عملی - استفاده از دستور کپی ردشیفت آمازون
- 121 - تخلیه دادههای Amazon Redshift
- 122 - آموزش عملی - تخلیه دادهها به Amazon S3
- 123 - فشردهسازی ستون
- 124 - سبکهای توزیع
- 125- نگهداری جداول
- 126 - کوئریهای فدرالشدهی Amazon Redshift
- 127 - طیف سرخ آمازون
- 128 - نمایشهای مادیشدهی ردشیفت آمازون
- 129 - تبدیل دادهها با رویههای ذخیرهشده
- 130 - مدیریت حجم کار
- 131 - یکپارچهسازیهای Zero-ETL
- 132 - مصرف جریان
- 133- آمازون آتنا
- 134 - پارتیشنبندی دادهها
- 135 - ایجاد نماها
- 136 - آموزش عملی - ایجاد و کوئری جداول با استفاده از Athena
- 137- سازند دریاچه AWS
- 138 - یادگیری عملی - ایجاد یک دریاچه داده
- 139- آمازون کوئیکسایت
- 140 - آموزش عملی - ایجاد داشبورد QuickSight
- 141 - جستجوی باز آمازون
۸. ارکستراسیون
- 142 - مقدمه
- 143 - سرویسهای بدون سرور و معماری رویداد محور
- 144 - سرویس صف ساده آمازون (SQS)
- 145 - سرویس اعلان ساده آمازون (SNS)
- 146 - توابع پلهای AWS
- 147 - آموزش عملی - ایجاد یک ماشین حالت برای تجزیهوتحلیل دادهها
- 148 - اعلانهای رویداد Amazon S3
- 149- پل رویداد آمازون
- 150 - یادگیری عملی - ایجاد یک گذرگاه رویداد و قانون
- 151 - گردشهای کاری مدیریتشده آمازون برای Apache Airflow
- 152 - یادگیری عملی - هماهنگسازی وظایف EMR با استفاده از Amazon MWAA
- 153 - تشکیل ابر AWS
- 154 - آموزش عملی - ایجاد یک کاتالوگ چسب AWS با پارتیشنها
- 155 - مدل برنامه بدون سرور AWS (SAM)
- 156 - آموزش عملی - اجرای یک برنامه SAM با استفاده از CloudShell
- 157 - کیت توسعه ابری AWS (CDK)
- 158- بررسی اجمالی سیدی CI
- 159- AWS CodeCommit و CodePipeline
- 160 - آموزش عملی - نصب گیت
- 161 - آموزش عملی - استقرار یک AWS Glue job با CodePipeline
۹. نگهداری و نظارت
- 162 - مقدمه
- 163 - بررسی اجمالی Amazon CloudWatch
- 164 - آموزش عملی - ایجاد یک معیار سفارشی
- 165 - آموزش عملی - ایجاد زنگ هشدار Amazon CloudWatch
- 166 - بینشهای گزارشهای Amazon CloudWatch
- 167 - آموزش عملی - جستجوی لاگهای Amazon CloudWatch
- 168 - واحدهای ظرفیت DynamoDB
- 169 - عملکرد و تنظیم سرعت DynamoDB
- 170 - بهینهسازی عملکرد RDS
- 171 - پروکسی RDS
- 172 - بهینهسازی عملکرد Amazon Redshift
۱۰. امنیت و حکومتداری
- 173 - مقدمه
- 174 - سرویس مدیریت کلید AWS (KMS)
- 175 - مروری بر ابر خصوصی مجازی (VPC)
- 176 - تعریف بلوکهای مسیریابی بین دامنهای بدون کلاس VPC (CIDR)
- 177 - آموزش عملی - ایجاد یک VPC سفارشی
- 178 - گروههای امنیتی و ACLهای شبکه
- 179 - آموزش عملی - پیکربندی گروههای امنیتی و NACLها
- 180 - اتصال VPC
- 181 - آموزش عملی - پیکربندی VPC peering
- 182 - نقاط پایانی VPC
- 183 - آموزش عملی - ایجاد یک نقطه پایانی VPC
- 184 - فروشگاه پارامتر مدیر سیستمهای AWS
- 185 - مدیر اسرار AWS
- 186- یادگیری عملی - کار با اسرار
- 187 - پیکربندی AWS
- 188 - مسیر ابری AWS
- 189 - آموزش عملی - ایجاد یک مسیر CloudTrail
- 190 - دریاچه CloudTrail در AWS
- 191 - آموزش عملی - جستجوی رویدادهای CloudTrail Lake
- 192 - امنیت RDS آمازون
- 193 - امنیت ردشیفت آمازون
- 194 - ثبت وقایع حسابرسی پایگاه داده
- 195- مدیر حسابرسی AWS
- 196- آمازون مکی
دوره های مرتبط
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی مهندسی تحلیل پیشرفته: تمرینهای دنیای واقعی
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری اصولی PySpark: معرفی ساخت خطوط پردازش داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده
- دوره آموزشی SPSS: آمادهسازی، مصورسازی و مدلسازی دادهها