کتاب آموزش جامع و عملی از ساخت سیستم‌های تحلیل داده‌های بزرگ با SQLite و Spark
, ,

کتاب آموزش جامع و عملی از ساخت سیستم‌های تحلیل داده‌های بزرگ با SQLite و Spark

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000012585 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب آموزش جامع و عملی از ساخت سیستم‌های تحلیل داده‌های بزرگ با SQLite و Spark

موضوع کلی: برنامه نویسی

موضوع میانی: SQLite

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه و مفاهیم پایه
  • 2. چرا SQLite؟ مزایا، معایب و موارد استفاده
  • 3. چرا Spark؟ آشنایی با پردازش توزیع‌شده و داده‌های بزرگ
  • 4. معماری سیستم‌های ترکیبی: نقش SQLite و Spark
  • 5. نصب و راه‌اندازی محیط توسعه (Python, SQLite, Spark, Java)
  • 6. آشنایی با ابزارهای کمکی: DB Browser for SQLite و Jupyter Notebook
  • 7. مفاهیم پایگاه داده رابطه‌ای (Relational Database Concepts)
  • 8. شروع کار با SQLite: ساخت اولین پایگاه داده و جدول
  • 9. انواع داده‌ها در SQLite و مفهوم Type Affinity
  • 10. دستورات پایه SQL: INSERT, SELECT, UPDATE, DELETE
  • 11. کار با داده‌ها در SQLite (مقدماتی)
  • 12. فیلتر کردن داده‌ها با دستور WHERE
  • 13. مرتب‌سازی نتایج با ORDER BY
  • 14. محدود کردن نتایج با LIMIT و OFFSET
  • 15. توابع تجمعی (Aggregate Functions): COUNT, SUM, AVG, MIN, MAX
  • 16. گروه‌بندی داده‌ها با GROUP BY
  • 17. فیلتر کردن گروه‌ها با HAVING
  • 18. اتصال جداول (Joins): INNER JOIN
  • 19. اتصال جداول (Joins): LEFT JOIN و RIGHT JOIN
  • 20. اتصال جداول (Joins): CROSS JOIN و SELF JOIN
  • 21. مباحث پیشرفته SQL در SQLite
  • 22. زیرکوئری‌ها (Subqueries) و کاربردهای آن
  • 23. عملگرهای مجموعه‌ای: UNION, UNION ALL, INTERSECT, EXCEPT
  • 24. عبارات رایج جدول (Common Table Expressions – CTEs) با دستور WITH
  • 25. توابع پنجره‌ای (Window Functions): OVER, PARTITION BY
  • 26. توابع پنجره‌ای رتبه‌بندی: ROW_NUMBER, RANK, DENSE_RANK
  • 27. توابع پنجره‌ای تحلیلی: LEAD, LAG, NTILE
  • 28. استفاده از عبارات شرطی با CASE WHEN
  • 29. کار با تاریخ و زمان در SQLite
  • 30. کار با رشته‌ها و توابع متنی
  • 31. مدیریت و بهینه‌سازی پایگاه داده SQLite
  • 32. مفهوم Index و ایجاد آن برای افزایش سرعت کوئری‌ها
  • 33. تحلیل کوئری‌ها با EXPLAIN QUERY PLAN
  • 34. محدودیت‌ها (Constraints): PRIMARY KEY, FOREIGN KEY, UNIQUE, NOT NULL, CHECK
  • 35. مفهوم View و ایجاد نماهای مجازی از داده‌ها
  • 36. مفهوم Trigger و ایجاد خودکار رویدادها در پایگاه داده
  • 37. تراکنش‌ها (Transactions): COMMIT, ROLLBACK, SAVEPOINT
  • 38. پایگاه‌های داده در حافظه (In-Memory Databases)
  • 39. اتصال چندین پایگاه داده با دستور ATTACH DATABASE
  • 40. دستورات PRAGMA برای تنظیم و بهینه‌سازی SQLite
  • 41. برنامه‌نویسی SQLite با پایتون
  • 42. اتصال به SQLite با کتابخانه sqlite3 در پایتون
  • 43. اجرای کوئری‌ها و دریافت نتایج با Cursor
  • 44. جلوگیری از حملات SQL Injection با Parameter Substitution
  • 45. مدیریت تراکنش‌ها در کدهای پایتون
  • 46. خواندن داده‌های SQLite و بارگذاری در Pandas DataFrame
  • 47. نوشتن داده‌ها از Pandas DataFrame به جداول SQLite
  • 48. مدیریت خطاها و استثناها (Exception Handling)
  • 49. ساخت یک CRUD ساده با پایتون و SQLite
  • 50. پروژه عملی: ساخت یک سیستم مدیریت کتابخانه ساده
  • 51. مقدمه‌ای بر اکوسیستم Big Data و Apache Spark
  • 52. چالش‌های کار با داده‌های بزرگ: Volume, Velocity, Variety
  • 53. معرفی اکوسیستم Hadoop و جایگاه Spark
  • 54. معماری Apache Spark: درایور، اکسکیوتر و کلاستر منیجر
  • 55. مفهوم کلیدی RDD (Resilient Distributed Dataset)
  • 56. عملیات Transformation و Action روی RDDها
  • 57. مفهوم Lazy Evaluation در Spark
  • 58. معرفی Spark SQL و DataFrame API
  • 59. مقایسه RDD، DataFrame و Dataset
  • 60. نصب و راه‌اندازی Spark در حالت Local
  • 61. کار با Spark DataFrame
  • 62. ایجاد Spark Session: نقطه ورود به Spark
  • 63. ساخت DataFrame از منابع مختلف (لیست، فایل CSV, JSON)
  • 64. ساختار (Schema) در DataFrame و انواع داده‌ها
  • 65. عملیات پایه روی DataFrame: select, filter, withColumn
  • 66. توابع تجمعی و گروه‌بندی در Spark DataFrame
  • 67. اتصال (Join) انواع DataFrameها در Spark
  • 68. مرتب‌سازی و محدود کردن داده‌ها در Spark
  • 69. مدیریت مقادیر گمشده (Null Values)
  • 70. ذخیره DataFrame در فرمت‌های مختلف (Parquet, CSV, JSON)
  • 71. یکپارچه‌سازی SQLite و Spark
  • 72. اتصال Spark به پایگاه‌های داده رابطه‌ای از طریق JDBC
  • 73. خواندن داده از جدول SQLite به یک Spark DataFrame
  • 74. پیکربندی درایور JDBC برای SQLite
  • 75. نوشتن داده از یک Spark DataFrame به جدول SQLite
  • 76. حالت‌های ذخیره‌سازی: Append, Overwrite, Ignore, ErrorIfExists
  • 77. چالش‌های خواندن موازی از یک فایل SQLite و راهکارها
  • 78. استفاده از SQLite به عنوان یک منبع داده کوچک (Lookup Table) در Spark
  • 79. استفاده از SQLite برای ذخیره نتایج نهایی و خلاصه‌سازی شده
  • 80. بهینه‌سازی عملیات خواندن و نوشتن بین Spark و SQLite
  • 81. پروژه عملی: ساخت یک پایپ‌لاین ETL
  • 82. طراحی پروژه: انتقال داده از چندین فایل SQLite به Spark برای پردازش
  • 83. فاز اول: خواندن و یکپارچه‌سازی داده‌ها در Spark
  • 84. فاز دوم: پاک‌سازی و پیش‌پردازش داده‌ها (Data Cleaning)
  • 85. فاز سوم: تبدیل و غنی‌سازی داده‌ها (Data Transformation)
  • 86. فاز چهارم: تحلیل داده‌ها و استخراج شاخص‌های کلیدی (KPIs)
  • 87. فاز پنجم: ذخیره نتایج پردازش شده در یک پایگاه داده SQLite مرکزی
  • 88. اجرای کوئری‌های تحلیلی پیچیده با Spark SQL
  • 89. توابع تعریف شده توسط کاربر (UDFs) در Spark
  • 90. کار با داده‌های پیچیده (آرایه و ساختار) در Spark DataFrame
  • 91. مقدمه‌ای بر پنجره‌بندی (Windowing) در Spark SQL
  • 92. تحلیل داده‌های پیشرفته و یادگیری ماشین
  • 93. مقدمه‌ای بر پردازش داده‌های جریانی (Streaming Data) با Spark Structured Streaming
  • 94. ساخت یک برنامه ساده Streaming: خواندن از یک دایرکتوری و پردازش فایل‌های جدید
  • 95. ذخیره نتایج پردازش جریانی در SQLite
  • 96. مفاهیم پایه یادگیری ماشین (Machine Learning)
  • 97. معرفی کتابخانه Spark MLlib
  • 98. مهندسی ویژگی (Feature Engineering) با Spark
  • 99. ساخت یک مدل طبقه‌بندی (Classification) ساده با Spark MLlib
  • 100. ساخت یک مدل رگرسیون (Regression) ساده با Spark MLlib

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب آموزش جامع و عملی از ساخت سیستم‌های تحلیل داده‌های بزرگ با SQLite و Spark”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا