سپنتا کتاب اکسپرس
کتاب پردازش موازی داده‌های عمومی با Spark SQL

کتاب پردازش موازی داده‌های عمومی با Spark SQL

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش موازی داده‌های عمومی با Spark SQL

موضوع کلی: مدیریت و حکمرانی داده‌های عمومی

موضوع میانی: ابزارهای تحلیل داده (Python libraries, R, Spark)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر پردازش موازی داده ها
  • 2. مفاهیم کلیدی Spark SQL
  • 3. نصب و پیکربندی Spark
  • 4. محیط کار با Spark Shell
  • 5. انواع داده در Spark SQL: RDD ها
  • 6. انواع داده در Spark SQL: DataFrames
  • 7. انواع داده در Spark SQL: Datasets
  • 8. ساختار کلی DataFrame
  • 9. عملیات پایه بر روی DataFrames
  • 10. فیلتر کردن داده ها
  • 11. انتخاب ستون ها
  • 12. مرتب سازی داده ها
  • 13. تغییر نام ستون ها
  • 14. اضافه کردن ستون های جدید
  • 15. حذف ستون ها
  • 16. ترکیب DataFrames: Union
  • 17. ترکیب DataFrames: Join
  • 18. انواع Join در Spark SQL
  • 19. فیلتر کردن نتایج Join
  • 20. گروه بندی و تجمیع داده ها
  • 21. توابع تجمیعی: Count, Sum, Avg
  • 22. توابع تجمیعی: Min, Max
  • 23. گروه بندی بر اساس چندین ستون
  • 24. استفاده از Having clause
  • 25. پنجره های تجمیعی (Window Functions)
  • 26. مفهوم Partition و Ordering در پنجره ها
  • 27. توابع رتبه بندی: Row_number, Rank, Dense_rank
  • 28. توابع رتبه بندی: NTILE
  • 29. توابع تجمیعی در پنجره ها: Lag, Lead
  • 30. توابع تجمیعی در پنجره ها: First_value, Last_value
  • 31. مدیریت داده های گمشده (Null Values)
  • 32. جایگزینی مقادیر گمشده
  • 33. حذف ردیف های دارای مقادیر گمشده
  • 34. استفاده از UDF ها (User Defined Functions)
  • 35. نوشتن UDF های پایتون
  • 36. نوشتن UDF های اسکالا
  • 37. ثبت UDF ها در Spark SQL
  • 38. بهینه سازی اجرای پرس و جوها
  • 39. مفهوم Catalyst Optimizer
  • 40. تکنیک های Pushdown Predicates
  • 41. تکنیک های Column Pruning
  • 42. استفاده از Caching و Persistence
  • 43. ذخیره سازی موقت DataFrames
  • 44. انواع استراتژی های Caching
  • 45. پاکسازی Caches
  • 46. کار با فرمت های داده مختلف
  • 47. خواندن CSV
  • 48. نوشتن CSV
  • 49. خواندن JSON
  • 50. نوشتن JSON
  • 51. خواندن Parquet
  • 52. نوشتن Parquet
  • 53. خواندن ORC
  • 54. نوشتن ORC
  • 55. کار با پایگاه داده ها
  • 56. اتصال به پایگاه داده های رابطه‌ای
  • 57. خواندن از جداول پایگاه داده
  • 58. نوشتن در جداول پایگاه داده
  • 59. مفهوم Spark Streaming
  • 60. پردازش داده های جریانی
  • 61. انتقال مفاهیم Spark SQL به Streaming
  • 62. عملیات پایه در Spark Streaming
  • 63. کار با Kafka در Spark Streaming
  • 64. کار با Flume در Spark Streaming
  • 65. کار با Kinesis در Spark Streaming
  • 66. ارزیابی عملکرد Spark Streaming
  • 67. بهینه سازی Spark Streaming
  • 68. کار با GraphX
  • 69. مفاهیم گراف در GraphX
  • 70. ساخت گراف از RDD ها
  • 71. عملیات پایه بر روی گراف ها
  • 72. الگوریتم PageRank
  • 73. الگوریتم Connected Components
  • 74. کار با MLlib
  • 75. مقدمه ای بر یادگیری ماشین در Spark
  • 76. ساخت Features
  • 77. نرمال سازی و مقیاس بندی
  • 78. انواع مدل های یادگیری ماشین
  • 79. آموزش مدل های دسته بندی
  • 80. آموزش مدل های رگرسیون
  • 81. آموزش مدل های خوشه بندی
  • 82. ارزیابی مدل ها
  • 83. Grid Search برای پارامترهای مدل
  • 84. کار با Hive و Spark SQL
  • 85. تفاوت Spark SQL و HiveQL
  • 86. اجرای پرس و جوهای Hive از طریق Spark SQL
  • 87. ذخیره سازی داده ها در Hive
  • 88. بهینه سازی پرس و جوهای Hive با Spark SQL
  • 89. امنیت در Spark SQL
  • 90. مدیریت دسترسی ها
  • 91. تنظیمات امنیتی
  • 92. مقایسه Spark SQL با سیستم های دیگر
  • 93. Spark SQL در مقابل Hadoop MapReduce
  • 94. Spark SQL در مقابل Apache Flink
  • 95. Spark SQL در مقابل Apache Storm
  • 96. موارد استفاده پیشرفته Spark SQL
  • 97. تحلیل داده های مکانی
  • 98. تحلیل داده های زمانی
  • 99. تحلیل داده های گراف
  • 100. نمونه های واقعی کاربرد Spark SQL

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.