کتاب تست فنی خودکار برای Big Data Frameworks (Spark, Hadoop) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تست فنی خودکار برای Big Data Frameworks (Spark, Hadoop)

موضوع کلی: برنامه نویسی

موضوع میانی: تست نرم‌افزار**

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مفاهیم کلیدی بیگ دیتا
  • 2. کاربرد بیگ دیتا در صنایع مختلف
  • 3. اخلاق و ملاحظات قانونی در کار با بیگ دیتا در ایران
  • 4. مبانی سیستم‌های توزیع‌شده
  • 5. معماری هادوپ: HDFS و MapReduce
  • 6. نصب و پیکربندی اولیه هادوپ
  • 7. مدیریت داده‌ها در HDFS
  • 8. آشنایی با YARN
  • 9. کار با MapReduce برای پردازش دسته‌ای
  • 10. نمونه‌های عملی MapReduce
  • 11. مقدمه‌ای بر Apache Spark
  • 12. معماری Spark و اجزای آن
  • 13. RDDها: مفاهیم و عملیات
  • 14. کار با Spark SQL
  • 15. Spark Streaming برای پردازش بلادرنگ
  • 16. Spark MLlib برای یادگیری ماشین
  • 17. GraphX برای پردازش گراف
  • 18. بهینه‌سازی عملکرد در Spark
  • 19. ذخیره‌سازی داده‌های بیگ دیتا: NoSQL Databases
  • 20. مقدمه‌ای بر پایگاه‌های داده NoSQL
  • 21. MongoDB: نصب و مفاهیم اولیه
  • 22. کار با MongoDB: کوئری‌ها و ایندکس‌گذاری
  • 23. Cassandra: معماری و مدل داده
  • 24. کار با Cassandra
  • 25. Redis: استفاده به عنوان کش و پایگاه داده سریع
  • 26. مقدمه‌ای بر پردازش جریان داده
  • 27. Apache Kafka: مفاهیم و معماری
  • 28. پیاده‌سازی Producer و Consumer در Kafka
  • 29. امنیت در Kafka
  • 30. Apache Flink: مقدمه و معماری
  • 31. پردازش جریان با Flink
  • 32. مدیریت حالت در Flink
  • 33. کاربرد Flink در سناریوهای بلادرنگ
  • 34. ابزارهای اکوسیستم هادوپ: Hive
  • 35. کار با HiveQL
  • 36. بهینه‌سازی کوئری‌ها در Hive
  • 37. ابزارهای اکوسیستم هادوپ: Pig
  • 38. زبان Pig Latin
  • 39. پردازش داده با Pig
  • 40. ابزارهای اکوسیستم هادوپ: Sqoop
  • 41. انتقال داده بین هادوپ و پایگاه‌های داده رابطه‌ای
  • 42. ابزارهای اکوسیستم هادوپ: Flume
  • 43. جمع‌آوری و انتقال لاگ‌ها با Flume
  • 44. ذخیره‌سازی و پردازش داده‌های حجیم در ایران
  • 45. مقررات مربوط به داده در جمهوری اسلامی ایران
  • 46. حریم خصوصی داده‌ها در قوانین ایران
  • 47. امنیت داده‌ها در سیستم‌های توزیع‌شده
  • 48. مدیریت کلان‌داده در سازمان‌های دولتی ایران
  • 49. ملاحظات شرعی در پردازش داده
  • 50. کاربرد ابزارهای بومی در بیگ دیتا
  • 51. مبانی امنیت سایبری در سیستم‌های بیگ دیتا
  • 52. شناسایی و تحلیل تهدیدات سایبری در اکوسیستم بیگ دیتا
  • 53. مقاوم‌سازی سیستم‌های بیگ دیتا در برابر حملات
  • 54. مدیریت ریسک در پروژه‌های بیگ دیتا
  • 55. ارزیابی و انتخاب چارچوب‌های بیگ دیتا مناسب
  • 56. استانداردهای داده در ایران
  • 57. مدیریت کیفیت داده در بیگ دیتا
  • 58. پاکسازی و پیش‌پردازش داده‌ها
  • 59. شناسایی و حذف داده‌های پرت
  • 60. تکنیک‌های ادغام داده‌ها
  • 61. مفاهیم داده‌کاوی و کاربرد آن در بیگ دیتا
  • 62. الگوریتم‌های خوشه‌بندی در بیگ دیتا
  • 63. الگوریتم‌های طبقه‌بندی در بیگ دیتا
  • 64. قوانین و مقررات مربوط به رمزارزها در ایران (تغییر یافته به مباحث مالی مجاز)
  • 65. کاربرد تحلیل داده در حوزه مالی اسلامی
  • 66. مبانی اقتصاد مقاومتی و تحلیل داده
  • 67. پردازش داده‌های کلان در حوزه‌های انرژی و منابع طبیعی ایران
  • 68. کاربرد بیگ دیتا در بهینه‌سازی مصرف انرژی
  • 69. تحلیل داده‌های آب و هواشناسی برای پیش‌بینی
  • 70. پردازش داده‌های مکانی و جغرافیایی
  • 71. استفاده از GIS در اکوسیستم بیگ دیتا
  • 72. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین در بیگ دیتا
  • 73. شبکه‌های عصبی و کاربرد آن‌ها
  • 74. یادگیری عمیق و پردازش تصاویر
  • 75. پردازش زبان طبیعی در بیگ دیتا
  • 76. مدل‌سازی پیش‌بینانه با استفاده از Spark MLlib
  • 77. ارزیابی مدل‌های یادگیری ماشین
  • 78. ملاحظات اخلاقی در توسعه هوش مصنوعی
  • 79. قوانین مربوط به تولید محتوای دیجیتال در ایران
  • 80. استانداردهای حاکمیت داده در ایران
  • 81. مدیریت چرخه عمر داده‌ها
  • 82. ذخیره‌سازی سرد و گرم داده‌ها
  • 83. بازیابی اطلاعات از سیستم‌های توزیع‌شده
  • 84. برنامه‌ریزی و اجرای پروژه‌های بیگ دیتا
  • 85. مدیریت تیم‌های بیگ دیتا
  • 86. مستندسازی در پروژه‌های بیگ دیتا
  • 87. مسیر شغلی در حوزه بیگ دیتا
  • 88. مصاحبه‌های فنی در حوزه بیگ دیتا
  • 89. پروژه‌های عملی و شبیه‌سازی
  • 90. کاربرد بیگ دیتا در سلامت الکترونیک در ایران
  • 91. تحلیل داده‌های جمعیت‌شناختی
  • 92. ملاحظات فرهنگی در کار با داده
  • 93. مفاهیم داده‌های بزرگ و کلان‌داده
  • 94. مروری بر ابزارهای پیشرفته بیگ دیتا
  • 95. آینده بیگ دیتا و روندهای نوین
تگ‌ها: Big Data Testing Hadoop Testing Spark Testing اتوماسیون تست Big Data اتوماسیون تست بیگ دیتا تست اسپارک تست خودکار بیگ دیتا تست نرم افزار بیگ دیتا تست هدوپ فریمورک های بیگ دیتا

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.