کتاب راهکارهای مقیاس‌پذیری در تحلیل داده با استفاده از Apache Spark و کتابخانه Koalas با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهکارهای مقیاس‌پذیری در تحلیل داده با استفاده از Apache Spark و کتابخانه Koalas

موضوع کلی: علوم داده و تحلیل کلان‌داده (Big Data Analytics)

موضوع میانی: پردازش توزیع‌شده و مدیریت داده‌های حجیم با ابزارهای متن‌باز

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی کلان‌داده و ضرورت استفاده از پردازش توزیع‌شده
• 2. معرفی اکوسیستم آپاچی اسپارک و جایگاه آن در تحلیل داده
• 3. مقایسه کتابخانه‌های پانداز و کوالاس در محیط‌های توزیع‌شده
• 4. نصب و راه‌اندازی محیط توسعه برای پردازش داده‌های حجیم
• 5. ساختار داده‌ای دیتافریم در کوالاس و شباهت‌های آن با پانداز
• 6. بارگذاری داده‌ها از منابع مختلف به محیط اسپارک
• 7. مدیریت حافظه و بهینه‌سازی در پردازش‌های توزیع‌شده
• 8. عملیات اولیه روی داده‌ها و انتخاب ستون‌ها
• 9. فیلتر کردن داده‌ها و شرط‌گذاری در مقیاس بزرگ
• 10. کار با داده‌های مفقود و پاک‌سازی در کوالاس
• 11. تغییر نام ستون‌ها و تبدیل انواع داده‌ها
• 12. کاربرد توابع آماری پایه در تحلیل کلان‌داده
• 13. گروه‌بندی داده‌ها و عملیات تجمیعی در اسپارک
• 14. تلفیق و اتصال دیتافریم‌ها در محیط توزیع‌شده
• 15. کار با داده‌های زمانی و تقویمی در کوالاس
• 16. استفاده از توابع رشته‌ای برای پردازش متن
• 17. کاربرد توابع لامبدا و نگاشت در کوالاس
• 18. مدیریت ایندکس‌ها در دیتافریم‌های توزیع‌شده
• 19. ذخیره‌سازی خروجی‌ها در فرمت‌های بهینه مانند پارکت
• 20. کار با فایل‌های حجیم CSV و JSON در محیط توزیع‌شده
• 21. مفهوم تنبلی در اجرا و بهینه‌سازی پرس‌وجوها
• 22. تحلیل عملکرد و مانیتورینگ در محیط اسپارک
• 23. استفاده از توابع پنجره‌ای برای تحلیل‌های پیشرفته
• 24. کار با داده‌های دسته‌بندی شده و کدگذاری آن‌ها
• 25. تکنیک‌های مرتب‌سازی داده‌ها در مقیاس بزرگ
• 26. ادغام داده‌های کوچک با جداول مرجع بزرگ
• 27. پیاده‌سازی توابع سفارشی با استفاده از UDFها
• 28. مدیریت خطاها و رفع اشکال در کدهای توزیع‌شده
• 29. آشنایی با موتور اجرایی اسپارک در پس‌زمینه کوالاس
• 30. تفاوت‌های کلیدی APIهای پانداز و کوالاس
• 31. بهینه‌سازی تنظیمات کانفیگ برای افزایش سرعت پردازش
• 32. بررسی نقش پارتیشن‌بندی در توزیع داده‌ها
• 33. استفاده از کوالاس در محیط‌های ابری و سرورهای داخلی
• 34. ترکیب کوالاس با کتابخانه‌های یادگیری ماشین اسپارک
• 35. ارزیابی نهایی و پیاده‌سازی یک پروژه تحلیل داده حجیم