اپلیکیشن اندرویدی فلش‌کارت آموزشی یادگیری ماشین مقیاس‌پذیر با Spark

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین مقیاس‌پذیر با Spark

موضوع کلی: رایانش ابری و تحلیل داده‌های کلان

موضوع میانی: مقیاس‌پذیری داده‌های کلان

📋 سرفصل‌های دوره

• 1. یادگیری ماشین مقیاس‌پذیر با Spark
• 2. مقدمه‌ای بر Apache Spark
• 3. نصب و پیکربندی Spark
• 4. مفهوم RDD در Spark
• 5. تحلیل داده با استفاده از RDD
• 6. تحول RDD: map، filter، reduce
• 7. اقدامات RDD: collect، count، take
• 8. پایبندی داده‌ها در Spark
• 9. DataFrame: یک نمای کلی
• 10. ایجاد DataFrame از منابع مختلف
• 11. عملیات DataFrame: select، where، groupBy
• 12. توابع توزیع شده در DataFrame
• 13. کار با توابع تعریف شده توسط کاربر (UDF)
• 14. مفهوم Spark SQL
• 15. نوشتن پرس و جوهای SQL در Spark
• 16. بهینه‌سازی پرس و جوهای Spark SQL
• 17. پایبندی داده با استفاده از SQL
• 18. Spark Streaming: پردازش داده‌های جریانی
• 19. مفهوم DStream در Spark Streaming
• 20. تحول DStream: map، filter، reduceByKey
• 21. اقدامات DStream: collect، count، saveAsTextFile
• 22. پردازش داده‌های جریانی با استفاده از DataFrame
• 23. MLlib: کتابخانه یادگیری ماشین Spark
• 24. مقدمه‌ای بر MLlib
• 25. مدل‌های طبقه‌بندی در MLlib
• 26. مدل‌های رگرسیون در MLlib
• 27. تکنیک‌های خوشه‌بندی در MLlib
• 28. ارزیابی مدل در MLlib
• 29. تنظیم هایپرپارامترها در MLlib
• 30. Pipeline: ایجاد یک خط لوله یادگیری ماشین
• 31. Feature Transformation: تبدیل ویژگی‌ها
• 32. Feature Selection: انتخاب ویژگی‌ها
• 33. مدل‌های Pipeline
• 34. ارزیابی Pipeline
• 35. MLflow: مدیریت چرخه عمر یادگیری ماشین
• 36. ردیابی آزمایش‌ها با MLflow
• 37. مدل‌های MLflow: ذخیره و بارگذاری مدل‌ها
• 38. مدل‌های MLflow: استقرار مدل‌ها
• 39. Spark GraphX: پردازش گراف‌ها
• 40. مفهوم Graph در Spark GraphX
• 41. تحول Graph: mapVertices، mapEdges
• 42. اقدامات Graph: degrees، vertices، edges
• 43. تحلیل گراف‌ها با استفاده از GraphX
• 44. بهینه‌سازی عملکرد Spark
• 45. تنظیم پارامترهای پیکربندی Spark