اکسپرس 24
کتاب جامع برنامه‌نویسی مقیاس‌پذیر با اسکالا و اسپارک

کتاب جامع برنامه‌نویسی مقیاس‌پذیر با اسکالا و اسپارک

تگ‌ها: Apache Spark Scala اسپارک اسکالا برنامه‌نویسی توزیع‌شده پردازش داده‌های حجیم پردازش موازی داده‌کاوی کلان داده مهندسی نرم‌افزار

انتخاب پلن

افزودنی‌های اختیاری

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 جامع برنامه‌نویسی مقیاس‌پذیر با اسکالا و اسپارک

موضوع کلی: مهندسی نرم‌افزار و داده‌کاوی

موضوع میانی: برنامه‌نویسی توزیع‌شده و پردازش داده‌های حجیم

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر برنامه‌نویسی تابعی و مقیاس‌پذیری
  • 2. نصب و راه‌اندازی محیط توسعه اسکالا
  • 3. ساختار پایه زبان اسکالا: متغیرها و انواع داده
  • 4. توابع در اسکالا: تعریف، پارامترها و مقدار بازگشتی
  • 5. توابع مرتبه بالا در اسکالا
  • 6. تغییرناپذیری و مجموعه‌های غیرقابل تغییر
  • 7. لیست‌ها، آرایه‌ها و مجموعه‌های قابل تغییر در اسکالا
  • 8. الگوی تطبیق الگو در اسکالا
  • 9. مدیریت خطا با Try, Option و Either
  • 10. کلاس‌ها و اشیاء در اسکالا
  • 11. مفهوم Trait و ترکیب رفتاری
  • 12. 泛型 (Generics) در اسکالا
  • 13. مجموعه‌های موازی و پردازش هم‌زمان
  • 14. مقدمه‌ای بر مدل‌های پردازش توزیع‌شده
  • 15. معماری Apache Spark و اجزای اصلی
  • 16. نصب و پیکربندی Spark در حالت محلی و کلاستر
  • 17. مفاهیم RDD و عملیات روی آن
  • 18. عملیات Transformation و Action در RDD
  • 19. بهینه‌سازی RDD با پارتیشن‌بندی و کش
  • 20. مقدمه‌ای بر DataFrame و Dataset در Spark
  • 21. بارگذاری داده‌های ساخت‌یافته با Spark SQL
  • 22. پرس‌وجو با Spark SQL و DSL
  • 23. مدیریت داده‌های نیمه‌ساخت‌یافته با JSON و Parquet
  • 24. پردازش جریانی با Spark Structured Streaming
  • 25. اتصال به منابع داده خارجی: HDFS, Cassandra و S3
  • 26. مفاهیم کلیدی در پردازش داده‌های حجیم: حجم، سرعت و تنوع
  • 27. تکنیک‌های فشرده‌سازی و سریال‌سازی در Spark
  • 28. مدیریت حافظه و تنظیم پارامترهای Spark
  • 29. الگوریتم‌های توزیع‌شده با Spark: MapReduce و فراتر از آن
  • 30. پیاده‌سازی WordCount و تحلیل لاگ با Spark
  • 31. تحلیل داده‌های سری زمانی با Spark
  • 32. خوشه‌بندی داده‌ها با الگوریتم K-Means در Spark
  • 33. طبقه‌بندی با رگرسیون لجستیک و درخت تصمیم در Spark
  • 34. پردازش گراف با GraphX در Spark
  • 35. مفاهیم هماهنگی و مدیریت وظایف در کلاستر
  • 36. معرفی Apache Hadoop YARN و Mesos
  • 37. مدیریت وابستگی‌ها با sbt و Maven در پروژه‌های Spark
  • 38. توسعه و اجرای برنامه‌های Spark در محیط ابری
  • 39. یکپارچه‌سازی Spark با پایگاه‌های داده رابطه‌ای
  • 40. تکنیک‌های اشکال‌زدایی و لاگ‌گیری در برنامه‌های توزیع‌شده
  • 41. بهینه‌سازی پرس‌وجوها با کاتالیست اپتیمایزر
  • 42. مدیریت خطا و بازیابی در کلاستر Spark
  • 43. مفاهیم امنیت و احراز هویت در Spark
  • 44. تکنیک‌های کش و پایداری داده در Spark
  • 45. پردازش دسته‌ای و زمان‌بندی وظایف با Spark
  • 46. تحلیل داده‌های متنی و پردازش زبان طبیعی با Spark
  • 47. ادغام Spark با ابزارهای BI و مصورسازی
  • 48. مفاهیم مقیاس‌پذیری افقی و عمودی در سیستم‌های توزیع‌شده
  • 49. طراحی خط لوله داده با Spark و Scala
  • 50. تست واحد و تست یکپارچگی در برنامه‌های Spark
  • 51. مدیریت نسخه و استقرار برنامه‌ها
  • 52. معرفی کتابخانه‌های محبوب Scala برای پردازش داده
  • 53. مقایسه Spark با Hadoop MapReduce و Flink
  • 54. مفاهیم Consistency و Availability در سیستم‌های توزیع‌شده
  • 55. پردازش داده‌های بزرگ با الگوریتم‌های تقریبی
  • 56. مدیریت منابع و زمان‌بندی در Spark Standalone
  • 57. تکنیک‌های افزایش throughput در Spark
  • 58. تحلیل لاگ‌های وب و داده‌های کلیکی با Spark
  • 59. پردازش داده‌های مالی و تراکنشی با Spark
  • 60. مدیریت داده‌های مکانی و مکانی-زمانی با Spark
  • 61. معرفی Delta Lake برای مدیریت نسخه داده
  • 62. بهینه‌سازی عملکرد با Broadcasting و Accumulators
  • 63. استفاده از Spark MLlib برای یادگیری ماشین توزیع‌شده
  • 64. معرفی Apache Kafka و یکپارچه‌سازی با Spark
  • 65. پردازش جریانی با Kafka و Spark Streaming
  • 66. مدیریت خطا و تکرارپذیری در جریان‌های داده
  • 67. مفاهیم Event Time و Watermark در پردازش جریانی
  • 68. تحلیل داده‌های حسگر و IoT با Spark
  • 69. مدیریت دیتاست‌های بزرگ با پارتیشن‌بندی سفارشی
  • 70. تکنیک‌های Join در داده‌های حجیم
  • 71. بهبود کارایی با تکنیک‌های Shuffle
  • 72. معرفی Apache Arrow برای تبادل داده کارآمد
  • 73. مدیریت لاگ‌ها و مانیتورینگ کلاستر Spark
  • 74. استفاده از Spark در محیط Docker و Kubernetes
  • 75. مفاهیم CI/CD برای پروژه‌های Spark
  • 76. طراحی APIهای RESTful با Scala و Akka
  • 77. مقدمه‌ای بر Akka Actors برای هم‌زمانی
  • 78. ادغام Akka با Spark برای پردازش پیچیده
  • 79. پردازش داده‌های تودرتو با Spark
  • 80. مدیریت حافظه خارج از Heap در Spark
  • 81. مفاهیم Backpressure در جریان‌های داده
  • 82. بهینه‌سازی کد Scala برای اجرای توزیع‌شده
  • 83. تحلیل عملکرد و پروفایلینگ برنامه‌های Spark
  • 84. معرفی Apache Zeppelin و نوت‌بوک‌های تعاملی
  • 85. مدیریت ابرداده‌ها با Hive Metastore در Spark
  • 86. تکنیک‌های فشرده‌سازی و Indexing در Spark
  • 87. پیاده‌سازی سیستم توصیه‌گر با Spark
  • 88. تحلیل شبکه‌های اجتماعی با GraphX
  • 89. مدیریت داده‌های تکراری و پاک‌سازی با Spark
  • 90. مفاهیم SLA و تضمین کیفیت در پردازش داده
  • 91. معرفی ابزارهای مدیریت کلاستر: Cloudera و Ambari
  • 92. بررسی موارد واقعی استفاده از Spark در صنعت
  • 93. تمرین جامع: پیاده‌سازی یک خط لوله کامل داده با Scala و Spark

📚 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.