کتاب محاسبات توزیع‌شده با Dask
, ,

کتاب محاسبات توزیع‌شده با Dask

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000000281 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 محاسبات توزیع‌شده با Dask

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر محدودیت‌های محاسبات تک‌هسته‌ای
  • 2. مقدمه‌ای بر محاسبات موازی و توزیع‌شده
  • 3. معرفی Dask: فلسفه و اهداف
  • 4. مقایسه Dask با Apache Spark و سایر ابزارها
  • 5. معماری Dask: کلاینت، اسکجولر و ورکرها
  • 6. نصب و راه‌اندازی Dask و وابستگی‌های آن
  • 7. اولین برنامه با Dask: یک مثال ساده
  • 8. مفهوم ارزیابی تنبل (Lazy Evaluation) در Dask
  • 9. آشنایی با گراف‌های وظیفه (Task Graphs)
  • 10. معرفی داشبورد Dask برای نظارت بر اجرا
  • 11. Dask DataFrame: جایگزین موازی برای Pandas
  • 12. ایجاد Dask DataFrame از فایل‌های CSV
  • 13. ایجاد Dask DataFrame از فایل‌های Parquet
  • 14. ایجاد Dask DataFrame از چندین فایل به صورت همزمان
  • 15. تبدیل Pandas DataFrame به Dask DataFrame
  • 16. انتخاب سطرها و ستون‌ها (Slicing and Indexing)
  • 17. فیلتر کردن داده‌ها بر اساس شروط
  • 18. انجام عملیات ریاضی و برداری روی ستون‌ها
  • 19. کار با ایندکس در Dask DataFrame
  • 20. تنظیم و مرتب‌سازی ایندکس (set_index و sort_index)
  • 21. گروه‌بندی و تجمعی‌سازی (Groupby and Aggregation)
  • 22. محاسبه توابع تجمعی سفارشی
  • 23. ادغام و اتصال دیتافریم‌ها (Merge and Join)
  • 24. کار با داده‌های سری زمانی در Dask DataFrame
  • 25. نمونه‌برداری مجدد (Resampling) داده‌های زمانی
  • 26. استفاده از `map_partitions` برای اعمال توابع سفارشی
  • 27. مدیریت داده‌های گمشده (Missing Data)
  • 28. کار با داده‌های دسته‌ای (Categorical Data)
  • 29. ذخیره‌سازی Dask DataFrame در فرمت Parquet
  • 30. ذخیره‌سازی Dask DataFrame در فرمت CSV
  • 31. Dask Array: آرایه‌های موازی مبتنی بر NumPy
  • 32. مفهوم تکه‌تکه کردن (Chunking) و اهمیت آن
  • 33. ایجاد Dask Array از آرایه‌های NumPy
  • 34. ایجاد Dask Array با استفاده از توابع `dask.array`
  • 35. خواندن آرایه‌های بزرگ از فایل‌ها (HDF5, Zarr)
  • 36. عملیات ریاضی و برداری روی Dask Array
  • 37. عملیات بر روی محورها (Reduction along axes)
  • 38. برش و ایندکس‌گذاری پیشرفته در Dask Array
  • 39. مفهوم Broadcasting در Dask Array
  • 40. عملیات جبر خطی با `dask.array.linalg`
  • 41. محاسبات تبدیل فوریه سریع (FFT) با Dask
  • 42. تغییر ساختار تکه‌ها (Rechunking) و هزینه‌های آن
  • 43. استفاده از توابع NumPy روی Dask Array
  • 44. بهترین شیوه‌ها در انتخاب اندازه تکه‌ها (Chunks)
  • 45. Dask Bag: پردازش داده‌های نیمه‌ساختاریافته
  • 46. ایجاد Dask Bag از لیست‌های پایتون و فایل‌های متنی
  • 47. توابع اصلی در Dask Bag: map, filter, pluck
  • 48. گروه‌بندی و شمارش با `groupby` و `frequencies`
  • 49. عملیات کاهشی (Reduction) مانند `sum`, `count`
  • 50. استفاده از `foldby` برای تجمعی‌سازی پیچیده
  • 51. پردازش داده‌های JSON تو در تو با Dask Bag
  • 52. تبدیل Dask Bag به Dask DataFrame
  • 53. یک مثال عملی: تحلیل لاگ فایل‌ها با Dask Bag
  • 54. مروری بر اسکجولرهای Dask: تک‌ماشینه و توزیع‌شده
  • 55. اسکجولر چندنخی (Threaded Scheduler)
  • 56. اسکجولر چندفرایندی (Multiprocessing Scheduler)
  • 57. آشنایی با معماری اسکجولر توزیع‌شده
  • 58. راه‌اندازی کلاستر Dask به صورت محلی (LocalCluster)
  • 59. اتصال به یک کلاستر Dask موجود
  • 60. تحلیل گراف وظیفه در داشبورد Dask
  • 61. بررسی پروفایل حافظه و زمان اجرا در داشبورد
  • 62. شناسایی گلوگاه‌ها (Bottlenecks) با استفاده از داشبورد
  • 63. استفاده از ابزارهای خط فرمان dask-scheduler و dask-worker
  • 64. راه‌اندازی کلاستر Dask روی چندین ماشین با SSH
  • 65. مقیاس‌پذیری تطبیقی کلاستر (Adaptive Scaling)
  • 66. یکپارچه‌سازی با سیستم‌های مدیریت صف کار (SLURM, PBS) با Dask-Jobqueue
  • 67. اجرای Dask بر روی Kubernetes با Dask-Helm
  • 68. اجرای Dask بر روی ابر (AWS, GCP, Azure) با Dask-Cloudprovider
  • 69. امنیت در کلاسترهای Dask: استفاده از TLS/SSL
  • 70. مفهوم پارتیشن‌بندی داده‌ها و اهمیت آن
  • 71. پارتیشن‌بندی بهینه در Dask DataFrame
  • 72. ماندگار کردن نتایج میانی در حافظه (`persist`)
  • 73. تفاوت کلیدی بین `persist` و `compute`
  • 74. ذخیره‌سازی نتایج بر روی دیسک با `cache`
  • 75. مدیریت حافظه در ورکرها و جلوگیری از سرریز
  • 76. استراتژی‌های مقابله با وظایف طولانی (Straggler Tasks)
  • 77. Dask Delayed: موازی‌سازی کدهای پایتون سفارشی
  • 78. ساخت گراف‌های وظیفه پیچیده با Delayed
  • 79. ترکیب Dask Delayed با سایر مجموعه‌های Dask
  • 80. برنامه‌نویسی ناهمگام با Dask Futures API
  • 81. تکنیک‌های دیباگ کردن کدهای Dask
  • 82. مدیریت انواع داده‌های سفارشی و سریال‌سازی (Serialization)
  • 83. بهینه‌سازی گراف وظیفه در Dask
  • 84. مدیریت منابع (CPU, RAM) برای ورکرها
  • 85. مدیریت خطا و تلاش مجدد (Retries) در وظایف
  • 86. مقدمه‌ای بر Dask-ML: یادگیری ماشین موازی
  • 87. آموزش مدل‌های Scikit-Learn به صورت توزیع‌شده
  • 88. جستجوی شبکه‌ای (Grid Search) و اعتبارسنجی متقابل موازی
  • 89. استفاده از Dask برای پیش‌پردازش داده‌های حجیم
  • 90. تحلیل داده‌های علمی چندبعدی با Xarray و Dask
  • 91. کارایی فرمت Parquet در اکوسیستم Dask
  • 92. استفاده از Zarr برای ذخیره‌سازی آرایه‌های بزرگ و توزیع‌شده
  • 93. یکپارچه‌سازی Dask با کتابخانه‌های دیگر مانند Numba
  • 94. پروژه عملی: تحلیل مجموعه داده تاکسی‌های نیویورک
  • 95. پروژه عملی: پردازش توزیع‌شده تصاویر ماهواره‌ای
  • 96. جمع‌بندی مفاهیم کلیدی و بهترین شیوه‌ها
  • 97. آینده Dask و جامعه کاربری آن
  • 98. **بهینه‌سازی عملکرد Dask: پروفایلینگ، حافظه و استراتژی‌های پارتیشن‌بندی داده.**
  • 99. **استفاده از Dask با کتابخانه‌های علمی پایتون: NumPy, Pandas, Scikit-learn.**
  • 100. **Dask در محیط‌های ابری: مقیاس‌پذیری و مدیریت منابع با Kubernetes و Cloud Providers.**

📚 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 محاسبات توزیع‌شده با Dask”

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

محصولات مشابه

پیمایش به بالا