کتاب تحلیل داده‌های بزرگ با پایتون و اسپارک با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های بزرگ با پایتون و اسپارک

موضوع کلی: مدیریت داده و فناوری‌های اطلاعاتی

موضوع میانی: بیگ‌دیتا و تحلیل داده‌های بزرگ

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده‌های بزرگ
• 2. مفاهیم پایه‌ای داده‌های بزرگ و چالش‌های آن
• 3. معماری سیستم‌های پردازش داده‌های بزرگ
• 4. آشنایی با پایتون برای تحلیل داده
• 5. مبانی زبان برنامه‌نویسی پایتون
• 6. کتابخانه‌های اصلی پایتون در تحلیل داده
• 7. آشنایی با محیط‌های توسعه پایتون
• 8. دستکاری و پاکسازی داده‌ها با پایتون
• 9. کاوش و تجسم داده‌ها با پایتون
• 10. مقدمه‌ای بر اسپارک و اکوسیستم آن
• 11. نصب و پیکربندی اسپارک
• 12. معماری اسپارک و اجزای اصلی آن
• 13. RDDها: مفاهیم و عملیات پایه
• 14. تبدیل داده‌ها در اسپارک
• 15. اقدامات (Actions) در اسپارک
• 16. استفاده از DataFrames در اسپارک
• 17. خواندن و نوشتن داده‌ها در اسپارک
• 18. پیوستن (Join) DataFrames در اسپارک
• 19. تجمیع و گروه‌بندی داده‌ها در اسپارک
• 20. یادگیری ماشین با استفاده از MLlib
• 21. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
• 22. دسته‌بندی (Classification) داده‌ها با اسپارک
• 23. رگرسیون (Regression) داده‌ها با اسپارک
• 24. خوشه‌بندی (Clustering) داده‌ها با اسپارک
• 25. ارزیابی مدل‌های یادگیری ماشین
• 26. بهینه‌سازی عملکرد اسپارک
• 27. پارتیشن‌بندی داده‌ها در اسپارک
• 28. Broadcast متغیرها در اسپارک
• 29. Caching داده‌ها در اسپارک
• 30. استفاده از Spark SQL
• 31. نوشتن کوئری‌های SQL در اسپارک
• 32. یکپارچه‌سازی اسپارک با سایر سیستم‌ها
• 33. استفاده از اسپارک استریمینگ
• 34. پردازش داده‌های جریانی با اسپارک
• 35. تحلیل داده‌های حسگر با اسپارک
• 36. تحلیل شبکه‌های اجتماعی با اسپارک
• 37. کاربرد اسپارک در تحلیل متون
• 38. پیش‌بینی سری‌های زمانی با اسپارک
• 39. استفاده از اسپارک در سیستم‌های توصیه‌گر
• 40. نظارت و مدیریت خوشه‌های اسپارک
• 41. بهینه‌سازی منابع در اسپارک
• 42. امنیت در اسپارک
• 43. استفاده از ابزارهای مانیتورینگ اسپارک
• 44. استقرار (Deployment) برنامه‌های اسپارک
• 45. مطالعه موردی: تحلیل داده‌های فروش