کتاب برنامه‌نویسی تابعی و پردازش داده‌های بزرگ با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 برنامه‌نویسی تابعی و پردازش داده‌های بزرگ

موضوع کلی: برنامه‌نویسی تابعی

موضوع میانی: History of AI in Singly Linked List Data Structures Development Sector

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر برنامه‌نویسی تابعی
  • 2. مفاهیم کلیدی برنامه‌نویسی تابعی: توابع خالص
  • 3. توابع درجه یک و توابع مرتبه بالاتر
  • 4. لامبدا (Lambda) و توابع ناشناس
  • 5. تکنیک‌های اصلی: Map, Filter, Reduce
  • 6. کار با داده‌های تغییرناپذیر (Immutability)
  • 7. توابع بازگشتی (Recursion)
  • 8. برنامه‌نویسی تابعی در پایتون
  • 9. برنامه‌نویسی تابعی در جاوااسکریپت
  • 10. برنامه‌نویسی تابعی در Scala
  • 11. مدیریت خطا در برنامه‌نویسی تابعی
  • 12. مقدمه‌ای بر پردازش داده‌های بزرگ
  • 13. چالش‌های پردازش داده‌های بزرگ
  • 14. مفاهیم کلیدی در پردازش داده‌های بزرگ: حجم، سرعت، تنوع
  • 15. چارچوب‌های پردازش داده‌های بزرگ: Hadoop, Spark
  • 16. معماری Hadoop: HDFS و MapReduce
  • 17. Spark: RDD، DataFrame و Dataset
  • 18. برنامه‌نویسی تابعی با Spark
  • 19. تبدیل داده‌ها با استفاده از توابع Map و Filter در Spark
  • 20. استفاده از Reduce برای تجمیع داده‌ها در Spark
  • 21. پردازش جریانی داده‌ها با Spark Streaming
  • 22. معرفی Apache Kafka
  • 23. یکپارچه‌سازی برنامه‌نویسی تابعی و Kafka
  • 24. پردازش داده‌های بی‌ساختار با برنامه‌نویسی تابعی
  • 25. کار با JSON و XML با توابع تابعی
  • 26. تکنیک‌های بهینه‌سازی در پردازش داده‌های بزرگ
  • 27. استفاده از حافظه نهان (Caching) در Spark
  • 28. پارتیشن‌بندی داده‌ها برای افزایش کارایی
  • 29. مقایسه Hadoop و Spark
  • 30. انتخاب چارچوب مناسب برای پردازش داده‌های بزرگ
  • 31. آشنایی با پایگاه داده‌های NoSQL و برنامه‌نویسی تابعی
  • 32. استفاده از MongoDB با توابع تابعی
  • 33. کار با پایگاه داده‌های گرافیکی و برنامه‌نویسی تابعی
  • 34. مقدمه‌ای بر یادگیری ماشین و برنامه‌نویسی تابعی
  • 35. استفاده از توابع تابعی در الگوریتم‌های یادگیری ماشین
  • 36. کاربرد توابع تابعی در تحلیل داده‌ها
  • 37. تست و دیباگ برنامه‌های تابعی
  • 38. استفاده از ابزارهای تست تابعی
  • 39. الگوهای طراحی در برنامه‌نویسی تابعی
  • 40. برنامه‌نویسی تابعی و میکروسرویس‌ها
  • 41. مقیاس‌پذیری برنامه‌های تابعی
تگ‌ها: big data data analysis data processing functional programming hadoop immutability javascript kafka lambda mapreduce nosql python recursion scala spark

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.