کتاب تسلط بر Datasets در Apache Spark: از مبتدی تا پیشرفته 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 تسلط بر Datasets در Apache Spark: از مبتدی تا پیشرفته

موضوع کلی: تحلیل داده‌های بزرگ

موضوع میانی: پردازش داده با Apache Spark

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر داده‌های بزرگ و چالش‌های آن‌ها
  • 2. آشنایی با Apache Spark و معماری آن
  • 3. نصب و پیکربندی Apache Spark
  • 4. مفاهیم کلیدی Datasets در Spark
  • 5. ایجاد Dataset در Spark
  • 6. خواندن داده از منابع مختلف به Dataset
  • 7. نوشتن Dataset در فرمت‌های مختلف
  • 8. تبدیل Datasets: Transformations
  • 9. عملیات Transformations رایج در Datasets
  • 10. تبدیل Datasets: Actions
  • 11. عملیات Actions رایج در Datasets
  • 12. استفاده از توابع User-Defined Functions (UDFs) در Datasets
  • 13. مدیریت Schema در Datasets
  • 14. بهینه‌سازی عملکرد Datasets
  • 15. پارتیشن‌بندی Datasets
  • 16. Caching در Datasets
  • 17. Join کردن Datasets
  • 18. انواع Join در Datasets
  • 19. Aggregation در Datasets
  • 20. گروه‌بندی داده‌ها در Datasets
  • 21. فیلتر کردن داده‌ها در Datasets
  • 22. مرتب‌سازی داده‌ها در Datasets
  • 23. کار با داده‌های تاریخ و زمان در Datasets
  • 24. کار با داده‌های رشته‌ای در Datasets
  • 25. کار با داده‌های عددی در Datasets
  • 26. کار با داده‌های Boolean در Datasets
  • 27. نحوه کار با Datasets تو در تو (Nested Datasets)
  • 28. کار با آرایه‌ها در Datasets
  • 29. تبدیل RDD به Dataset
  • 30. تبدیل DataFrame به Dataset
  • 31. مقایسه Datasets با RDD و DataFrame
  • 32. استفاده از Datasets در برنامه‌های Spark Streaming
  • 33. خطایابی و رفع اشکال در Datasets
  • 34. نوشتن تست واحد برای Datasets
  • 35. آشنایی با Spark SQL و Datasets
  • 36. استفاده از Datasets با Spark SQL
  • 37. بهینه‌سازی کوئری‌های Spark SQL با Datasets
  • 38. Datasets و امنیت داده‌ها
  • 39. Datasets و حریم خصوصی داده‌ها
  • 40. Datasets و مقیاس‌پذیری
  • 41. Datasets و پردازش بلادرنگ
  • 42. Datasets و یادگیری ماشین
  • 43. Datasets و تجزیه و تحلیل پیش‌بینی‌کننده
  • 44. پیاده‌سازی یک پروژه عملی با Datasets
  • 45. معماری یک سیستم پردازش داده با Datasets
  • 46. بهترین روش‌ها برای استفاده از Datasets
  • 47. منابع بیشتر برای یادگیری Datasets
  • 48. آینده Datasets در Apache Spark
  • 49. Datasets و ادغام با سایر ابزارهای داده
  • 50. Datasets و پردازش گراف
  • 51. Datasets و داده‌های مکانی
  • 52. Datasets و داده‌های زمانی
  • 53. Datasets و پردازش متن
  • 54. Datasets و پردازش تصویر
  • 55. Datasets و داده‌های حسگر
  • 56. Datasets و اینترنت اشیا
  • 57. Datasets و داده‌های شبکه‌های اجتماعی
  • 58. Datasets و داده‌های مالی
  • 59. Datasets و داده‌های پزشکی
  • 60. Datasets و داده‌های علمی
  • 61. Datasets و داده‌های جغرافیایی
  • 62. Datasets و داده‌های بازاریابی
  • 63. Datasets و داده‌های منابع انسانی
  • 64. Datasets و داده‌های تولید
  • 65. Datasets و داده‌های زنجیره تامین
  • 66. Datasets و داده‌های انرژی
  • 67. Datasets و داده‌های حمل و نقل
  • 68. Datasets و داده‌های کشاورزی
  • 69. Datasets و داده‌های گردشگری
تگ‌ها: Apache Spark اسپارک برنامه‌نویسی داده پردازش داده تحلیل داده داده‌های بزرگ دیتا انجینیرینگ دیتاست اسپارک علم داده یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.