کتاب جاوا و Big Data: تحلیل داده‌های کلان 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 جاوا و Big Data: تحلیل داده‌های کلان

موضوع کلی: برنامه‌نویسی پیشرفته جاوا

موضوع میانی: Java and the age of transformation

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زبان برنامه‌نویسی جاوا
  • 2. نصب و پیکربندی محیط توسعه جاوا
  • 3. متغیرها و انواع داده در جاوا
  • 4. عملگرها و عبارات در جاوا
  • 5. ساختارهای کنترلی: شرطی
  • 6. ساختارهای کنترلی: حلقه‌ها
  • 7. آرایه‌ها و لیست‌ها در جاوا
  • 8. کلاس‌ها و اشیاء: مفاهیم شی‌گرایی
  • 9. وراثت در جاوا
  • 10. چندریختی و رابط‌ها
  • 11. مدیریت استثنائات در جاوا
  • 12. جمع‌آوری زباله و مدیریت حافظه
  • 13. ورودی و خروجی فایل‌ها در جاوا
  • 14. مقدمه‌ای بر Big Data و چالش‌های آن
  • 15. مفاهیم پایگاه داده NoSQL
  • 16. Hadoop: معماری و اجزای اصلی
  • 17. HDFS: سیستم فایل توزیع‌شده Hadoop
  • 18. MapReduce: مدل برنامه‌نویسی پردازش داده
  • 19. YARN: مدیریت منابع در Hadoop
  • 20. Apache Spark: معرفی و مزایا
  • 21. Spark Core: پردازش داده با RDDها
  • 22. Spark SQL: کار با داده‌های ساخت‌یافته
  • 23. Spark Streaming: پردازش داده‌های جریانی
  • 24. Apache Kafka: معرفی و کاربردها
  • 25. Kafka: تولید و مصرف پیام
  • 26. Apache Hive: انبار داده بر روی Hadoop
  • 27. Apache Pig: زبان برنامه‌نویسی سطح بالا برای Hadoop
  • 28. تحلیل داده با استفاده از ابزارهای Hadoop
  • 29. تجسم داده با استفاده از ابزارهای Big Data
  • 30. یادگیری ماشین و Big Data
  • 31. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
  • 32. پیاده‌سازی الگوریتم‌های یادگیری ماشین با Spark MLlib
  • 33. پیش‌بینی و طبقه‌بندی داده‌ها
  • 34. خوشه‌بندی داده‌ها با استفاده از الگوریتم‌های مختلف
  • 35. ارزیابی مدل‌های یادگیری ماشین
  • 36. بهینه‌سازی عملکرد برنامه‌های Big Data
  • 37. امنیت در سیستم‌های Big Data
  • 38. مبانی Data Mining و تحلیل الگوها
  • 39. کاربرد Big Data در حوزه‌های مختلف
  • 40. مقدمه‌ای بر ابزارهای ETL
  • 41. استفاده از ابزارهای ETL برای پاکسازی و تبدیل داده‌ها
  • 42. Data Governance و کیفیت داده
  • 43. معماری داده و طراحی Data Lake
  • 44. استقرار و مدیریت کلاستر Hadoop
  • 45. آینده Big Data و فناوری‌های مرتبط

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.