سپنتا کتاب اکسپرس
کتاب استفاده از Spark و Hadoop برای پردازش داده‌های بزرگ

کتاب استفاده از Spark و Hadoop برای پردازش داده‌های بزرگ

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 استفاده از Spark و Hadoop برای پردازش داده‌های بزرگ

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Hadoop

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پردازش داده‌های بزرگ
  • 2. معرفی اکوسیستم Hadoop
  • 3. معماری Hadoop: HDFS و YARN
  • 4. نصب و پیکربندی Hadoop
  • 5. آشنایی با Hadoop Distributed File System (HDFS)
  • 6. عملیات پایه در HDFS
  • 7. معرفی MapReduce
  • 8. نوشتن اولین برنامه MapReduce
  • 9. چرخه حیات MapReduce
  • 10. بهینه‌سازی برنامه‌های MapReduce
  • 11. معرفی Apache Spark
  • 12. معماری Spark
  • 13. Spark Core: RDDها
  • 14. عملیات تبدیل و اکشن در RDDها
  • 15. Spark SQL و DataFrames
  • 16. کار با DataFrames
  • 17. Spark Streaming
  • 18. پردازش داده‌های جریانی با Spark Streaming
  • 19. Spark MLlib: یادگیری ماشین در Spark
  • 20. الگوریتم‌های طبقه‌بندی در MLlib
  • 21. الگوریتم‌های رگرسیون در MLlib
  • 22. خوشه‌بندی در MLlib
  • 23. فیلترینگ مشارکتی در MLlib
  • 24. کار با داده‌های متنی در Spark
  • 25. پردازش داده‌های گراف با GraphX
  • 26. مقدمه‌ای بر NoSQL
  • 27. پایگاه‌های داده NoSQL: انواع و کاربردها
  • 28. Apache Cassandra
  • 29. Apache HBase
  • 30. MongoDB
  • 31. Redis
  • 32. نصب و پیکربندی Cassandra
  • 33. عملیات پایه در Cassandra
  • 34. نصب و پیکربندی HBase
  • 35. عملیات پایه در HBase
  • 36. نصب و پیکربندی MongoDB
  • 37. عملیات پایه در MongoDB
  • 38. نصب و پیکربندی Redis
  • 39. عملیات پایه در Redis
  • 40. امنیت در Hadoop
  • 41. امنیت در Spark
  • 42. مدیریت منابع در YARN
  • 43. زمان‌بندی در YARN
  • 44. مانیتورینگ و دیباگینگ در Hadoop
  • 45. مانیتورینگ و دیباگینگ در Spark
  • 46. کار با داده‌های حجیم در محیط‌های ابری
  • 47. پردازش داده‌های حجیم در AWS
  • 48. پردازش داده‌های حجیم در Azure
  • 49. پردازش داده‌های حجیم در Google Cloud
  • 50. استفاده از Spark در محیط‌های ابری
  • 51. استفاده از Hadoop در محیط‌های ابری
  • 52. مقدمه‌ای بر معماری‌های داده مدرن
  • 53. انبارهای داده (Data Warehouses)
  • 54. دریاچه‌های داده (Data Lakes)
  • 55. مفهوم Data Lakehouse
  • 56. مباحث پیشرفته در HDFS
  • 57. مباحث پیشرفته در YARN
  • 58. مباحث پیشرفته در MapReduce
  • 59. مباحث پیشرفته در Spark Core
  • 60. مباحث پیشرفته در Spark SQL
  • 61. مباحث پیشرفته در Spark Streaming
  • 62. مباحث پیشرفته در MLlib
  • 63. مباحث پیشرفته در GraphX
  • 64. کاربرد Spark و Hadoop در تحلیل داده‌های مالی
  • 65. کاربرد Spark و Hadoop در تحلیل داده‌های بازاریابی
  • 66. کاربرد Spark و Hadoop در تحلیل داده‌های سلامت
  • 67. کاربرد Spark و Hadoop در تحلیل داده‌های دولتی
  • 68. کاربرد Spark و Hadoop در هوش تجاری
  • 69. مقدمه‌ای بر مفاهیم داده‌های پاک
  • 70. پاکسازی داده‌ها با Spark
  • 71. اعتبارسنجی داده‌ها با Spark
  • 72. مدیریت کیفیت داده
  • 73. مفاهیم داده‌های حجیم و تحلیل آن
  • 74. مفاهیم معماری داده توزیع شده
  • 75. مباحث مربوط به داده‌های زمانی
  • 76. مباحث مربوط به داده‌های مکانی
  • 77. مباحث مربوط به داده‌های سنسور
  • 78. مباحث مربوط به داده‌های شبکه‌های اجتماعی
  • 79. کاربرد Spark در پردازش زبان طبیعی (NLP)
  • 80. مقدمه‌ای بر یادگیری عمیق و Big Data
  • 81. استفاده از Spark برای آموزش مدل‌های یادگیری عمیق
  • 82. کاربرد Spark در پردازش تصویر
  • 83. مباحث اخلاقی در پردازش داده‌های بزرگ
  • 84. حریم خصوصی داده‌ها در Big Data
  • 85. مقررات و چارچوب‌های قانونی پردازش داده در ایران
  • 86. مدیریت پروژه در پروژه‌های داده‌های بزرگ
  • 87. نقش مهندس داده در اکوسیستم Big Data
  • 88. آینده پردازش داده‌های بزرگ
  • 89. کاربرد Spark و Hadoop در صنعت نفت و گاز
  • 90. کاربرد Spark و Hadoop در صنعت حمل و نقل
  • 91. کاربرد Spark و Hadoop در صنعت گردشگری
  • 92. کاربرد Spark و Hadoop در شهر هوشمند
  • 93. مقدمه‌ای بر داده‌های باز (Open Data)
  • 94. پردازش و تحلیل داده‌های باز با Spark و Hadoop
  • 95. اصول طراحی سیستم‌های داده مقیاس‌پذیر
  • 96. بهینه‌سازی هزینه‌های پردازش داده‌های بزرگ

📚 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.