کتاب Rust and Big Data: Processing and Analyzing Large Datasets with Rust 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 Rust and Big Data: Processing and Analyzing Large Datasets with Rust

موضوع کلی: برنامه نویسی

موضوع میانی: راست (Rust)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر بیگ دیتا و چالش‌های پردازش داده‌های بزرگ
  • 2. معرفی زبان راست و مزایای آن در پردازش بیگ دیتا
  • 3. نصب و پیکربندی محیط توسعه راست برای بیگ دیتا
  • 4. مبانی زبان راست: مرور سریع سینتکس و مفاهیم کلیدی
  • 5. مدیریت حافظه در راست و اهمیت آن در بیگ دیتا
  • 6. انواع داده‌ها و ساختارهای داده‌ای مناسب برای بیگ دیتا در راست
  • 7. مدیریت خطا در راست و راهکارهای مقابله با خطاهای پردازش داده
  • 8. هم‌زمانی (Concurrency) در راست و کاربرد آن در پردازش موازی
  • 9. مقدمه‌ای بر کتابخانه‌های مهم بیگ دیتا در راست
  • 10. Apache Arrow و Rust: مبانی و استفاده در پردازش داده
  • 11. Polars: فریم داده‌های سریع و کارآمد در راست
  • 12. Rayon: کتابخانه موازی‌سازی داده‌ها در راست
  • 13. پردازش فایل‌های متنی بزرگ با راست
  • 14. خواندن و نوشتن فایل‌های CSV با راست و Polars
  • 15. خواندن و نوشتن فایل‌های JSON با راست
  • 16. کار با فرمت‌های داده‌ای ستونی مانند Parquet و ORC در راست
  • 17. مقدمه‌ای بر پایگاه داده‌های NoSQL و Rust
  • 18. ارتباط با پایگاه داده‌های NoSQL از طریق راست
  • 19. پردازش داده‌های جریانی (Streaming Data) با راست
  • 20. استفاده از کتابخانه‌های Kafka و Pulsar در راست
  • 21. تجزیه و تحلیل داده‌های بزرگ با استفاده از Polars
  • 22. محاسبه آماری با Polars: میانگین، میانه، انحراف معیار و...
  • 23. گروه‌بندی و تجمیع داده‌ها با Polars
  • 24. تبدیل و پاکسازی داده‌ها با Polars
  • 25. مصورسازی داده‌ها با Rust و کتابخانه‌های نموداری
  • 26. یادگیری ماشین در راست: مقدمه‌ای بر کتابخانه‌های ML
  • 27. استفاده از کتابخانه Linfa برای مدل‌سازی یادگیری ماشین
  • 28. بهینه‌سازی کارایی پردازش داده در راست
  • 29. استفاده از پروفایلرها برای شناسایی گلوگاه‌ها
  • 30. کامپایل و استقرار برنامه‌های راست برای بیگ دیتا
  • 31. معماری‌های پردازش توزیع‌شده و راست
  • 32. Spark و Rust: ادغام و همکاری
  • 33. Hadoop و Rust: ادغام و همکاری
  • 34. استفاده از Rust در پردازش داده‌های ابری (Cloud Data Processing)
  • 35. پردازش داده‌های مکانی (Spatial Data) با راست
  • 36. کار با داده‌های زمانی (Time Series Data) در راست
  • 37. ایجاد API برای دسترسی به داده‌های بزرگ پردازش شده با راست
  • 38. تست و دیباگ برنامه‌های بیگ دیتا در راست
تگ‌ها: Apache Arrow Big Data Data Analysis Data Processing Data Science Polars Rayon Rust RustLang بیگ دیتا پردازش داده تحلیل داده یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.