کتاب الگوریتم‌های مقیاس‌پذیر: MapReduce و Spark

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم‌های مقیاس‌پذیر: MapReduce و Spark

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر چالش‌های پردازش داده‌های بزرگ
  • 2. معماری سیستم‌های توزیع‌شده
  • 3. مدل برنامه‌نویسی MapReduce
  • 4. نحوه کارکرد تابع Map و Reduce
  • 5. مدیریت ورودی و خروجی در MapReduce
  • 6. نقش Shuffle و Sort در پردازش توزیع‌شده
  • 7. مدیریت شکست گره‌ها و تحمل‌پذیری خطا
  • 8. بهینه‌سازی پارتیشن‌بندی داده‌ها
  • 9. معرفی اکوسیستم Apache Spark
  • 10. تفاوت اصلی Spark با MapReduce
  • 11. ساختار RDD و ویژگی‌های آن
  • 12. عملیات تبدیلی (Transformation) روی RDD
  • 13. عملیات کنشی (Action) روی RDD
  • 14. مدیریت وابستگی‌ها و خطا در RDD
  • 15. معرفی DataFrame و Dataset
  • 16. مقایسه RDD و DataFrame از نظر کارایی
  • 17. کار با Spark SQL
  • 18. خواندن و نوشتن داده از منابع مختلف
  • 19. پردازش جریانی با Spark Streaming
  • 20. پنجره‌های زمانی در پردازش جریانی
  • 21. معرفی GraphX برای پردازش گراف
  • 22. معرفی MLlib برای یادگیری ماشین توزیع‌شده
  • 23. تنظیم پارامترهای خوشه (Cluster)
  • 24. مدیریت حافظه و پارتیشن‌بندی در Spark
  • 25. بهینه‌سازی پرس‌وجوها با Catalyst Optimizer
  • 26. مدیریت پهنای باند و تاخیر شبکه
  • 27. انواع استراتژی‌های الحاق (Join) در Spark
  • 28. مفاهیم Broadcast و Accumulator
  • 29. مدیریت داده‌های کلیدی-مقدار
  • 30. تکنیک‌های فشرده‌سازی داده
  • 31. مدیریت سریال‌سازی و Deserialization
  • 32. اشکال‌زدایی و رفع خطاهای رایج
  • 33. مانیتورینگ و لاگ‌گیری در Spark
  • 34. معرفی سیستم فایل توزیع‌شده HDFS
  • 35. هماهنگی با Apache ZooKeeper
  • 36. مدیریت منابع با YARN
  • 37. معرفی Kubernetes برای اجرای Spark
  • 38. مقایسه Spark با Flink
  • 39. مقایسه Spark با Hadoop
  • 40. معرفی Delta Lake برای قابلیت اطمینان
  • 41. مدیریت نسخه‌های داده با Lakehouse
  • 42. بهینه‌سازی کوئری‌های SQL در Spark
  • 43. مدیریت داده‌های تو در تو و ساختارهای پیچیده
  • 44. تکنیک‌های افزایش موازی‌سازی
  • 45. مدیریت گره‌های کند (Straggler)
  • 46. تکنیک‌های کش کردن داده
  • 47. مدیریت حافظه نهان و پاکسازی
  • 48. معرفی Apache Hive روی Spark
  • 49. معرفی Apache HBase برای ذخیره‌سازی NoSQL
  • 50. مدیریت توزیع کلیدها و تعادل بار
  • 51. بهینه‌سازی تعداد پارتیشن‌ها
  • 52. مدیریت فیلتر کردن و پروجکشن
  • 53. تکنیک‌های پیش‌پردازش داده در مقیاس بزرگ
  • 54. مدیریت دیتاست‌های نامتعادل
  • 55. مدیریت فایل‌های کوچک در HDFS
  • 56. معرفی Apache Parquet و Avro
  • 57. فشرده‌سازی ستونی در Parquet
  • 58. مدیریت Schema Evolution
  • 59. تکنیک‌های نمونه‌گیری برای تست
  • 60. مدیریت امنیت و احراز هویت در Spark
  • 61. مدیریت مجوزهای دسترسی
  • 62. معرفی REST API در Spark
  • 63. مدیریت لاگ‌های امنیتی
  • 64. بهینه‌سازی مصرف انرژی در خوشه
  • 65. مدیریت هزینه‌های پردازش ابری
  • 66. معرفی Spark در فضای ابری
  • 67. مدیریت خودکار مقیاس‌پذیری
  • 68. معرفی Airflow برای زمان‌بندی
  • 69. مدیریت وابستگی بین وظایف
  • 70. تکنیک‌های backpressure در جریان
  • 71. مدیریت داده‌های تکراری
  • 72. مدیریت داده‌های گمشده
  • 73. مدیریت زمان‌بندی و اولویت‌ها
  • 74. معرفی Apache Kafka به عنوان منبع داده
  • 75. مدیریت تراکنش‌های توزیع‌شده
  • 76. معرفی ZooKeeper برای هماهنگی
  • 77. مدیریت لاگ‌های رکوردها
  • 78. مدیریت نسخه‌بندی داده
  • 79. بهینه‌سازی فراخوانی توابع
  • 80. مدیریت حافظه خارج از heap
  • 81. مدیریت حافظه داخلی و خارجی
  • 82. معرفی Tungsten Engine
  • 83. بهینه‌سازی اجرای کد
  • 84. مدیریت Thread و هسته‌ها
  • 85. تکنیک‌های پروفایلینگ و رفع تنگنا
  • 86. مدیریت داده‌های زمانی
  • 87. مدیریت داده‌های مکانی
  • 88. معرفی GeoSpark
  • 89. مدیریت داده‌های متنی و جستجو
  • 90. مدیریت داده‌های گراف بزرگ
  • 91. معرفی GraphFrames
  • 92. مدیریت الگوریتم‌های PageRank و Connected Components
  • 93. مدیریت یادگیری ماشین توزیع‌شده با Pipeline
  • 94. مدیریت ارزیابی مدل در مقیاس بزرگ
  • 95. مدیریت ذخیره و بازیابی مدل
  • 96. مدیریت Hyperparameter Tuning توزیع‌شده
  • 97. مدیریت ویژگی‌های توزیع‌شده
  • 98. مدیریت Cross-Validation در Spark
  • 99. مدیریت جریان یادگیری آنلاین
  • 100. مدیریت کاهش نویز در داده

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.