سپنتا کتاب اکسپرس
کتاب بهینه‌سازی عملکرد و شیوه‌های کاربردی در Apache Spark

کتاب بهینه‌سازی عملکرد و شیوه‌های کاربردی در Apache Spark

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 بهینه‌سازی عملکرد و شیوه‌های کاربردی در Apache Spark

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: پردازش داده‌های کلان و تحلیل داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پردازش داده‌های کلان
  • 2. آشنایی با اکوسیستم داده‌های کلان
  • 3. مبانی Apache Spark
  • 4. معماری Spark Core
  • 5. مفاهیم RDD و عملیات آن
  • 6. تبدیل‌ها و عملگرهای RDD
  • 7. Spark SQL: معرفی و اصول
  • 8. ساختار داده‌ای DataFrame
  • 9. عملیات DataFrame
  • 10. بهینه‌سازی پرس‌وجوهای Spark SQL
  • 11. مفاهیم UDF و کاربردهای آن
  • 12. Spark Streaming: مقدمه
  • 13. پردازش داده‌های جریانی آنی
  • 14. مدیریت وضعیت در Spark Streaming
  • 15. Spark MLlib: مقدمه‌ای بر یادگیری ماشین
  • 16. الگوریتم‌های یادگیری ماشین در Spark
  • 17. کاربرد MLlib در تحلیل داده
  • 18. Spark GraphX: پردازش گراف
  • 19. عملیات گراف در GraphX
  • 20. کاربرد GraphX در تحلیل شبکه‌ها
  • 21. ذخیره‌سازی داده در Spark
  • 22. فرمت‌های ذخیره‌سازی داده (Parquet, ORC)
  • 23. کشف داده و بارگذاری آن
  • 24. مراحل پردازش داده‌های کلان
  • 25. مراحل پاکسازی داده‌ها
  • 26. اعتبارسنجی داده‌ها
  • 27. تبدیل و مهندسی ویژگی
  • 28. انتخاب ویژگی‌های مرتبط
  • 29. تکنیک‌های کاهش ابعاد
  • 30. مدل‌سازی داده‌ها
  • 31. انتخاب الگوریتم مناسب
  • 32. آموزش مدل‌ها
  • 33. ارزیابی عملکرد مدل‌ها
  • 34. تنظیم ابرپارامترها
  • 35. مدیریت مدل‌ها
  • 36. مقدمه‌ای بر بهینه‌سازی عملکرد
  • 37. اصول کلی بهینه‌سازی Spark
  • 38. شناسایی گلوگاه‌های عملکرد
  • 39. استفاده بهینه از حافظه
  • 40. مدیریت پارتیشن‌بندی داده
  • 41. تنظیمات موازی‌سازی
  • 42. تکنیک‌های حافظه نهان (Caching)
  • 43. تکنیک‌های Persist در RDD و DataFrame
  • 44. نظارت بر اجرای وظایف Spark
  • 45. درک لاگ‌های Spark
  • 46. استفاده از Spark UI
  • 47. تحلیل اجرای Stage و Task
  • 48. بهینه‌سازی Serializer
  • 49. تنظیمات Executor و Driver
  • 50. مدیریت منابع در کلاستر
  • 51. استفاده از YARN یا Mesos
  • 52. بهینه‌سازی درایور
  • 53. بهینه‌سازی Executor
  • 54. مدیریت حافظه JVM
  • 55. Garbage Collection Tuning
  • 56. بهینه‌سازی I/O
  • 57. استفاده از فشرده‌سازی داده
  • 58. تکنیک‌های پیش‌خوان (Predicate Pushdown)
  • 59. بهینه‌سازی Join Operations
  • 60. انواع Join و استراتژی‌های بهینه‌سازی
  • 61. Broadcast Join
  • 62. Shuffle Join
  • 63. Sort-Merge Join
  • 64. بهینه‌سازی Aggregation Operations
  • 65. استفاده از Salting
  • 66. تکنیک‌های مرتبط با Shuffle
  • 67. مدیریت Shuffle Files
  • 68. تکنیک‌های کاهش Shuffle Data
  • 69. استفاده از Bucketing
  • 70. بهینه‌سازی خواندن و نوشتن داده
  • 71. بهینه‌سازی خواندن از منابع خارجی
  • 72. بهینه‌سازی نوشتن در منابع خارجی
  • 73. استفاده از Incremental Loading
  • 74. تکنیک‌های Data Skew Handling
  • 75. شناسایی و رفع Data Skew
  • 76. راهکارهای متعادل‌سازی پارتیشن‌ها
  • 77. بهینه‌سازی برای سناریوهای خاص
  • 78. پردازش داده‌های دسته‌ای (Batch)
  • 79. پردازش داده‌های جریانی (Streaming)
  • 80. کاربرد در تحلیل‌های بلادرنگ
  • 81. کاربرد در پردازش‌های دسته‌ای بزرگ
  • 82. بهینه‌سازی برای مدل‌های یادگیری ماشین
  • 83. بهینه‌سازی اجرای Pipeline ML
  • 84. استفاده از Estimator و Transformer
  • 85. بهینه‌سازی برای پردازش گراف
  • 86. کاربرد GraphX در شبکه‌های اجتماعی
  • 87. بهینه‌سازی در پردازش‌های گراف پیچیده
  • 88. شیوه‌های کاربردی در پیاده‌سازی
  • 89. طراحی معماری داده‌های کلان
  • 90. انتخاب ابزار مناسب
  • 91. مدیریت کیفیت داده
  • 92. امنیت داده‌ها در Spark
  • 93. اصول حاکمیت داده
  • 94. مستندسازی فرآیندهای داده
  • 95. استقرار و نگهداری سیستم‌های Spark
  • 96. نظارت و پایش مستمر
  • 97. به‌روزرسانی و ارتقاء سیستم‌ها
  • 98. آینده پردازش داده‌های کلان
  • 99. روندهای نوین در Spark
  • 100. تکنیک‌های پیشرفته بهینه‌سازی

📚 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.