کتاب مهندسی داده: زیرساخت بیگ دیتا با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی داده: زیرساخت بیگ دیتا

موضوع کلی: تحلیل داده‌های دیجیتال و بهینه‌سازی کسب‌وکار

موضوع میانی: مفاهیم بیگ‌داد و پردازش داده‌ها

📋 سرفصل‌های دوره

• 1. مبانی مهندسی داده و بیگ دیتا
• 2. معماری سیستم‌های بیگ دیتا
• 3. ذخیره‌سازی داده‌های حجیم: مفاهیم و چالش‌ها
• 4. آشنایی با سیستم فایل توزیع‌شده HDFS
• 5. مقدمه‌ای بر پردازش داده‌های دسته‌ای با MapReduce
• 6. پیاده‌سازی الگوریتم‌های MapReduce
• 7. بهینه‌سازی وظایف MapReduce
• 8. آشنایی با فریم‌ورک YARN
• 9. مدیریت منابع در YARN
• 10. معرفی پایگاه داده‌های NoSQL
• 11. انواع پایگاه داده‌های NoSQL: کلید-مقدار
• 12. انواع پایگاه داده‌های NoSQL: ستونی
• 13. انواع پایگاه داده‌های NoSQL: گراف
• 14. پایگاه داده‌های NoSQL: سندگرا
• 15. آشنایی با Apache Cassandra
• 16. معماری و ویژگی‌های Apache Cassandra
• 17. مدل داده در Cassandra
• 18. آشنایی با Apache HBase
• 19. معماری و ویژگی‌های Apache HBase
• 20. مدل داده در HBase
• 21. آشنایی با Apache Hive
• 22. HiveQL: زبان پرس‌وجوی داده در Hive
• 23. بهینه‌سازی پرس‌وجوها در Hive
• 24. آشنایی با Apache Pig
• 25. Pig Latin: زبان اسکریپت‌نویسی در Pig
• 26. پردازش داده‌های جریانی با Apache Spark
• 27. RDD: هسته اصلی Spark
• 28. تبدیل و عملیات RDD
• 29. Spark SQL: کار با داده‌های ساخت‌یافته در Spark
• 30. Spark Streaming: پردازش داده‌های جریانی
• 31. آشنایی با Apache Kafka
• 32. مفاهیم کلیدی Kafka: Topics، Partitions، Brokers
• 33. تولید و مصرف داده در Kafka
• 34. آشنایی با Apache Flume
• 35. جمع‌آوری و انتقال داده با Flume
• 36. آشنایی با Apache Sqoop
• 37. انتقال داده بین Hadoop و پایگاه داده‌های رابطه‌ای
• 38. ابزارهای ETL در بیگ دیتا
• 39. مدیریت کیفیت داده در بیگ دیتا
• 40. امنیت داده در بیگ دیتا
• 41. مانیتورینگ و مدیریت سیستم‌های بیگ دیتا
• 42. استفاده از Docker و Kubernetes در بیگ دیتا
• 43. مقدمه‌ای بر یادگیری ماشین در بیگ دیتا
• 44. کاربرد الگوریتم‌های یادگیری ماشین در بیگ دیتا
• 45. مفاهیم Data Governance و Data Catalog