سپنتا کتاب اکسپرس
پردازش توزیع‌شدهٔ داده‌ها با MapReduce در خوشه‌های بزرگ

پردازش توزیع‌شدهٔ داده‌ها با MapReduce در خوشه‌های 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 پردازش توزیع‌شدهٔ داده‌ها با MapReduce در خوشه‌های بزرگ

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: پردازش داده‌های کلان (Big Data Processing)

📋 سرفصل‌های دوره

  • 1. مبانی سیستم‌های توزیع‌شده
  • 2. مقدمه‌ای بر پردازش داده‌های کلان
  • 3. کاربرد MapReduce در پردازش داده‌های کلان
  • 4. معماری MapReduce
  • 5. اجزای اصلی MapReduce
  • 6. مدیریت وظایف در MapReduce
  • 7. مراحل اجرای MapReduce: Map
  • 8. مراحل اجرای MapReduce: Shuffle و Sort
  • 9. مراحل اجرای MapReduce: Reduce
  • 10. انواع داده‌ها در MapReduce
  • 11. فرمت‌های دادهٔ ورودی و خروجی
  • 12. کاربرد فایل‌های متنی در MapReduce
  • 13. کاربرد فایل‌های باینری در MapReduce
  • 14. فریم‌ورک Hadoop
  • 15. نصب و پیکربندی Hadoop
  • 16. HDFS: سیستم فایل توزیع‌شدهٔ Hadoop
  • 17. ذخیره‌سازی داده در HDFS
  • 18. مدیریت داده در HDFS
  • 19. مفاهیم کلاینت HDFS
  • 20. کتابخانهٔ MapReduce در Hadoop
  • 21. نوشتن یک برنامهٔ MapReduce ساده
  • 22. مثال: شمارش کلمات با MapReduce
  • 23. مفهوم Mapper
  • 24. مفهوم Reducer
  • 25. توابع کمکی در MapReduce
  • 26. توابع کلید/مقدار (Key/Value)
  • 27. اصول طراحی Mapper
  • 28. اصول طراحی Reducer
  • 29. انواع داده‌های کلید/مقدار
  • 30. انواع مرتب‌سازی در MapReduce
  • 31. مرتب‌سازی ترکیبی (Combiner)
  • 32. کاربرد Combiner
  • 33. مراحل اجرای Combiner
  • 34. تنظیمات MapReduce
  • 35. پارامترهای پیکربندی MapReduce
  • 36. مدیریت حافظه در MapReduce
  • 37. بهینه‌سازی اجرای MapReduce
  • 38. عیب‌یابی برنامه‌های MapReduce
  • 39. نظارت بر اجرای MapReduce
  • 40. کاربردهای MapReduce در دنیای واقعی
  • 41. پردازش گزارش‌های وب
  • 42. تحلیل داده‌های اجتماعی
  • 43. پردازش داده‌های علمی
  • 44. پردازش داده‌های مالی
  • 45. پردازش داده‌های صوتی و تصویری
  • 46. پردازش داده‌های مکانی
  • 47. پردازش داده‌های سنسورها
  • 48. پردازش داده‌های لاگ سیستم
  • 49. پردازش داده‌های متنی
  • 50. پردازش داده‌های تراکنشی
  • 51. پردازش داده‌های زمان واقعی
  • 52. مقدمه‌ای بر Spark
  • 53. مقایسهٔ MapReduce و Spark
  • 54. مزایای Spark بر MapReduce
  • 55. معماری Spark
  • 56. اجزای اصلی Spark
  • 57. RDD: Resilient Distributed Datasets
  • 58. عملیات تبدیل (Transformations) در RDD
  • 59. عملیات اقدام (Actions) در RDD
  • 60. کاربرد RDD در پردازش داده‌های کلان
  • 61. Spark SQL
  • 62. DataFrames در Spark
  • 63. Datasets در Spark
  • 64. Spark Streaming
  • 65. پردازش داده‌های جریانی با Spark
  • 66. کاربردهای Spark Streaming
  • 67. MLlib: کتابخانهٔ یادگیری ماشین Spark
  • 68. الگوریتم‌های یادگیری ماشین در MLlib
  • 69. کاربرد MLlib در تحلیل داده‌ها
  • 70. GraphX: پردازش گراف در Spark
  • 71. کاربرد GraphX در تحلیل شبکه‌ها
  • 72. مقدمه‌ای بر Apache Hive
  • 73. کاربرد Hive در تحلیل داده‌های کلان
  • 74. Schema در Hive
  • 75. Query Language در Hive (HiveQL)
  • 76. اجرای Hive Query
  • 77. مقایسهٔ Hive و MapReduce
  • 78. مقدمه‌ای بر Apache Pig
  • 79. کاربرد Pig در پردازش داده‌های کلان
  • 80. زبان Pig Latin
  • 81. اجرای Pig Script
  • 82. مقایسهٔ Pig و MapReduce
  • 83. امنیت در سیستم‌های توزیع‌شده
  • 84. مدیریت دسترسی در Hadoop
  • 85. رمزنگاری داده‌ها در Hadoop
  • 86. ملاحظات اخلاقی در پردازش داده‌های کلان
  • 87. حریم خصوصی داده‌ها
  • 88. قوانین و مقررات مربوط به داده‌ها
  • 89. آیندهٔ پردازش داده‌های کلان
  • 90. روندهای نوین در پردازش داده‌ها
  • 91. ابزارهای جدید در اکوسیستم Big Data
  • 92. جمع‌بندی مباحث پردازش توزیع‌شده

📚 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.