سپنتا کتاب اکسپرس
کتاب Hadoop برای دانشمندان داده: ابزارها و تکنیک‌های پیشرفته

کتاب Hadoop برای دانشمندان داده: ابزارها و تکنیک‌های پیشرفته

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 Hadoop برای دانشمندان داده: ابزارها و تکنیک‌های پیشرفته

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Hadoop

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر اکوسیستم داده‌های بزرگ و هادوپ
  • 2. آشنایی با مفاهیم کلیدی هادوپ (Big Data, Distributed Systems)
  • 3. معماری هادوپ: HDFS, MapReduce, YARN
  • 4. نصب و پیکربندی اولیه هادوپ (Pseudo-distributed mode)
  • 5. کار با سیستم فایل توزیع شده هادوپ (HDFS)
  • 6. مبانی برنامه نویسی MapReduce
  • 7. نوشتن اولین برنامه MapReduce
  • 8. بهینه سازی برنامه های MapReduce
  • 9. مقدمه ای بر YARN و مدیریت منابع
  • 10. کار با YARN برای اجرای برنامه ها
  • 11. معرفی Spark و مقایسه با MapReduce
  • 12. نصب و پیکربندی Spark
  • 13. مبانی Spark Core: RDD ها
  • 14. عملیات تبدیل و اکشن در RDD ها
  • 15. بهینه سازی کار با RDD ها
  • 16. Spark SQL: کار با داده های ساختاریافته
  • 17. DataFrame ها و Dataset ها در Spark
  • 18. Queries و Joins در Spark SQL
  • 19. Spark Streaming: پردازش داده های جریانی
  • 20. مبانی Spark Streaming
  • 21. عملیات Windowing در Spark Streaming
  • 22. Spark MLlib: یادگیری ماشین در Spark
  • 23. الگوریتم های طبقه بندی در MLlib
  • 24. الگوریتم های خوشه بندی در MLlib
  • 25. الگوریتم های رگرسیون در MLlib
  • 26. کار با Pipeline ها در MLlib
  • 27. معرفی Hive: انبار داده بر روی هادوپ
  • 28. نصب و پیکربندی Hive
  • 29. نوشتن کوئری های HiveQL
  • 30. بهینه سازی کوئری های Hive
  • 31. آشنایی با Parquet و ORC فرمت ها
  • 32. کار با فرمت های ستونی در Hive
  • 33. معرفی Pig: زبان اسکریپت نویسی برای هادوپ
  • 34. نوشتن اسکریپت های Pig Latin
  • 35. بهینه سازی اسکریپت های Pig
  • 36. معرفی HBase: پایگاه داده NoSQL بر روی هادوپ
  • 37. مدل داده ای HBase
  • 38. عملیات CRUD در HBase
  • 39. کار با کوئری های HBase
  • 40. معرفی ZooKeeper برای هماهنگی در هادوپ
  • 41. نقش ZooKeeper در اکوسیستم هادوپ
  • 42. مقدمه ای بر ابزارهای جمع آوری داده (Flume, Sqoop)
  • 43. نصب و پیکربندی Apache Flume
  • 44. انتقال داده با Flume
  • 45. نصب و پیکربندی Apache Sqoop
  • 46. انتقال داده بین پایگاه داده رابطه‌ای و هادوپ با Sqoop
  • 47. کاربرد Sqoop برای داده کاوی
  • 48. مقدمه ای بر ابزارهای زمان بندی (Oozie)
  • 49. نوشتن Workflows با Oozie
  • 50. مدیریت و نظارت بر Job ها با Oozie
  • 51. امنیت در هادوپ: Kerberos
  • 52. پیکربندی Kerberos برای هادوپ
  • 53. مدیریت دسترسی ها در HDFS
  • 54. مقدمه ای بر پردازش داده های مکانی در هادوپ
  • 55. استفاده از Spark برای داده های مکانی
  • 56. استفاده از Hive برای داده های مکانی
  • 57. مقدمه ای بر پردازش زبان طبیعی (NLP) با هادوپ
  • 58. ابزارهای NLP در اکوسیستم هادوپ
  • 59. کاربرد NLP در تحلیل متن
  • 60. مقدمه ای بر یادگیری عمیق با هادوپ
  • 61. فریمورک های یادگیری عمیق سازگار با هادوپ (TensorFlow, PyTorch)
  • 62. تنظیم محیط برای یادگیری عمیق توزیع شده
  • 63. پردازش داده های بزرگ برای مدل های یادگیری عمیق
  • 64. بهینه سازی عملکرد مدل های یادگیری عمیق
  • 65. مقدمه ای بر ابزارهای مشاهده و مانیتورینگ (Ambari, Cloudera Manager)
  • 66. نصب و پیکربندی Ambari
  • 67. مانیتورینگ خوشه هادوپ با Ambari
  • 68. مقدمه ای بر معماری داده (Data Architecture) در مقیاس بزرگ
  • 69. طراحی Data Lake با استفاده از هادوپ
  • 70. طراحی Data Warehouse بر روی هادوپ
  • 71. ملاحظات مربوط به کیفیت داده در هادوپ
  • 72. مدیریت چرخه حیات داده در هادوپ
  • 73. مقدمه ای بر روش های استخراج ویژگی (Feature Engineering) برای داده های بزرگ
  • 74. تکنیک های استخراج ویژگی با Spark
  • 75. تکنیک های استخراج ویژگی با Hive
  • 76. مقدمه ای بر مدل سازی داده های سری زمانی با هادوپ
  • 77. کاربرد Spark برای تحلیل سری زمانی
  • 78. کاربرد Hive برای تحلیل سری زمانی
  • 79. مقدمه ای بر روش های تشخیص ناهنجاری (Anomaly Detection) در داده های بزرگ
  • 80. الگوریتم های تشخیص ناهنجاری با Spark MLlib
  • 81. الگوریتم های تشخیص ناهنجاری با Hive
  • 82. مقدمه ای بر تحلیل شبکه های اجتماعی با هادوپ
  • 83. ابزارهای تحلیل گراف در هادوپ
  • 84. کاربرد Spark GraphX
  • 85. مقدمه ای بر ذخیره سازی داده های NoSQL دیگر (Cassandra)
  • 86. مقایسه Cassandra با HBase
  • 87. کاربرد Cassandra در سناریوهای خاص
  • 88. مقدمه ای بر مفاهیم ابری (Cloud Computing) و هادوپ
  • 89. استفاده از هادوپ بر روی سرویس های ابری (AWS EMR, Azure HDInsight)
  • 90. مدیریت هزینه در هادوپ ابری
  • 91. مقدمه ای بر مفاهیم DevOps برای هادوپ
  • 92. اتوماسیون استقرار هادوپ
  • 93. مانیتورینگ و مدیریت خودکار خوشه هادوپ
  • 94. مقدمه ای بر معماری میکروسرویس و هادوپ
  • 95. ادغام هادوپ با معماری میکروسرویس
  • 96. استفاده از هادوپ برای پشتیبانی از میکروسرویس ها
  • 97. مقدمه ای بر استراتژی های مهاجرت داده به هادوپ
  • 98. برنامه ریزی برای مهاجرت داده
  • 99. چالش های مهاجرت داده
  • 100. مقدمه ای بر اصول حکمرانی داده (Data Governance) در مقیاس 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.