فلش‌کارت‌های آموزشی مقایسه Hadoop با سایر فریم‌ورک‌های پردازش کلان داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقایسه Hadoop با سایر فریم‌ورک‌های پردازش کلان داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Hadoop

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پردازش کلان داده
• 2. معرفی اکوسیستم Hadoop
• 3. معماری Hadoop: HDFS
• 4. معماری Hadoop: YARN
• 5. معماری Hadoop: MapReduce
• 6. نصب و پیکربندی Hadoop
• 7. ذخیره‌سازی داده در HDFS
• 8. عملیات پایه در HDFS
• 9. مفاهیم YARN: Resource Manager و Node Manager
• 10. چرخه عمر یک برنامه MapReduce
• 11. نوشتن اولین برنامه MapReduce
• 12. توابع Map و Reduce
• 13. انواع ورودی و خروجی MapReduce
• 14. تنظیمات پیچیده MapReduce
• 15. بهینه‌سازی عملکرد MapReduce
• 16. قابلیت اطمینان و تحمل خطا در Hadoop
• 17. امنیت در Hadoop
• 18. اکوسیستم Hadoop: Hive
• 19. مفاهیم HiveQL
• 20. نوشتن کوئری‌های Hive
• 21. بهینه‌سازی Hive
• 22. اکوسیستم Hadoop: Pig
• 23. زبان Pig Latin
• 24. نوشتن اسکریپت‌های Pig
• 25. مقایسه Hive و Pig
• 26. اکوسیستم Hadoop: HBase
• 27. معماری HBase
• 28. عملیات پایه در HBase
• 29. مدل داده HBase
• 30. استفاده از HBase در کاربردهای واقعی
• 31. اکوسیستم Hadoop: Spark
• 32. معماری Spark
• 33. RDD ها در Spark
• 34. عملیات Transform و Action در Spark
• 35. Spark SQL
• 36. Spark Streaming
• 37. Machine Learning با Spark MLlib
• 38. نصب و پیکربندی Spark
• 39. مقایسه Spark با MapReduce
• 40. اکوسیستم Hadoop: Flink
• 41. معماری Flink
• 42. پردازش جریان داده در Flink
• 43. پردازش دسته‌ای در Flink
• 44. مقایسه Spark و Flink
• 45. اکوسیستم Hadoop: Kafka
• 46. معماری Kafka
• 47. تولیدکنندگان و مصرف‌کنندگان در Kafka
• 48. مباحث پیشرفته Kafka
• 49. استفاده از Kafka برای پردازش جریان داده
• 50. مقایسه Kafka با سایر سیستم‌های صف پیام
• 51. فریم‌ورک‌های دیگر پردازش کلان داده: Storm
• 52. معماری Storm
• 53. پردازش جریان داده در Storm
• 54. مقایسه Storm با Spark Streaming و Flink
• 55. فریم‌ورک‌های دیگر پردازش کلان داده: Samza
• 56. معماری Samza
• 57. پردازش جریان داده در Samza
• 58. فریم‌ورک‌های دیگر پردازش کلان داده: Beam
• 59. مدل برنامه‌نویسی Apache Beam
• 60. اجرای Beam بر روی موتورهای مختلف
• 61. مقایسه Beam با سایر فریم‌ورک‌های پردازش کلان داده
• 62. ذخیره‌سازی داده کلان: NoSQL databases
• 63. MongoDB
• 64. Cassandra
• 65. Redis
• 66. مقایسه پایگاه داده‌های NoSQL
• 67. ابزارهای مدیریت و مانیتورینگ Hadoop
• 68. Apache Zookeeper
• 69. Apache Oozie
• 70. Apache Sqoop
• 71. Apache Flume
• 72. امنیت پیشرفته در Hadoop
• 73. مباحث پیشرفته YARN
• 74. شبکه‌بندی در Hadoop
• 75. ذخیره‌سازی توزیع‌شده پیشرفته
• 76. مدیریت Metadata در Hadoop
• 77. یکپارچه‌سازی Hadoop با سایر سیستم‌ها
• 78. پیاده‌سازی راه‌حل‌های کلان داده در سازمان‌ها
• 79. چالش‌های پیاده‌سازی کلان داده
• 80. آینده پردازش کلان داده
• 81. ملاحظات قانونی و شرعی در داده‌های کلان (مطابق با قوانین ایران)
• 82. حفظ حریم خصوصی داده‌ها (مطابق با قوانین ایران)
• 83. امنیت اطلاعات در سیستم‌های کلان داده (مطابق با قوانین ایران)
• 84. کاربرد Hadoop در حوزه سلامت (مطابق با قوانین ایران)
• 85. کاربرد Hadoop در حوزه مالی (مطابق با قوانین ایران)
• 86. کاربرد Hadoop در حوزه دولتی (مطابق با قوانین ایران)
• 87. کاربرد Hadoop در حوزه صنعت (مطابق با قوانین ایران)
• 88. کاربرد Hadoop در حوزه آموزش (مطابق با قوانین ایران)
• 89. کاربرد Hadoop در حوزه کشاورزی (مطابق با قوانین ایران)
• 90. کاربرد Hadoop در حوزه انرژی (مطابق با قوانین ایران)
• 91. کاربرد Hadoop در حوزه حمل و نقل (مطابق با قوانین ایران)
• 92. کاربرد Hadoop در حوزه رسانه (مطابق با قوانین ایران)
• 93. کاربرد Hadoop در حوزه هوش مصنوعی (مطابق با قوانین ایران)
• 94. کاربرد Hadoop در حوزه اینترنت اشیاء (مطابق با قوانین ایران)
• 95. کاربرد Hadoop در حوزه شهرداری‌ها (مطابق با قوانین ایران)
• 96. کاربرد Hadoop در حوزه گردشگری (مطابق با قوانین ایران)
• 97. کاربرد Hadoop در حوزه میراث فرهنگی (مطابق با قوانین ایران)
• 98. کاربرد Hadoop در حوزه محیط زیست (مطابق با قوانین ایران)
• 99. کاربرد Hadoop در حوزه پژوهش و توسعه (مطابق با قوانین ایران)
• 100. کاربرد Hadoop در حوزه مدیریت شهری (مطابق با قوانین ایران)