تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی برنامه های زمان واقعی

دوره آموزشی معماری برنامه های کاربردی داده های بزرگ: مهندسی برنامه های زمان واقعی

1 ساعت 5 دقیقهپیشرفته2017-10-31

مدرسین

Kumaran Ponnambalam

Kumaran Ponnambalam

Working with data for 20+ years

جزئیات دوره

سیستم‌های بلادرنگ زمان پاسخگویی را تضمین می‌کنند که می‌تواند چند ثانیه از ماشه فاصله داشته باشد. به این معنی که وقتی کاربر روی دکمه ای کلیک می کند، برنامه شما بهتر و سریع پاسخ می دهد. معماري برنامه‌ها تحت محدوديت‌هاي بلادرنگ چالش بزرگ‌تري است هنگامي كه با داده‌هاي بزرگ سروكار داريد. تأخیر بیش از حد می تواند برای شما هزینه داشته باشد، از نظر منابع سیستم مصرف شده و مشتریان از دست رفته. خوشبختانه، فناوری داده‌های بزرگ و معماری کارآمد می‌توانند پاسخگویی در زمان واقعی کسب‌وکار شما را فراهم کنند. در این دوره آموزشی می‌توانید با موارد استفاده و بهترین روش‌ها برای معماری برنامه‌های بلادرنگ با فناوری‌هایی مانند Kafka، Hazelcast و Apache Spark آشنا شوید.

هیچ کدنویسی در کار نیست. در عوض خواهید دید که چگونه ابزارهای کلان داده می توانند به حل برخی از پیچیده ترین چالش ها برای کسب و کارهایی که حجم زیادی از داده ها را تولید، ذخیره و تجزیه و تحلیل می کنند، کمک کند. موارد استفاده از صنایع مختلفی از جمله تجارت الکترونیک و فناوری اطلاعات استخراج شده است. مربی کوماران پونامبالام نحوه تجزیه و تحلیل یک مسئله، ترسیم طرح کلی معماری، انتخاب فناوری های مناسب و نهایی کردن راه حل را نشان می دهد. پس از هر مورد استفاده، او بهترین شیوه‌های مرتبط را برای پخش بلادرنگ، تجزیه و تحلیل پیش‌بینی‌کننده، پردازش موازی و مدیریت خط لوله بررسی می‌کند. هر درس سرشار از تکنیک ها و بینش های عملی از توسعه دهنده ای است که مزایا و کاستی های این فناوری ها را از نزدیک تجربه کرده است.

اهداف یادگیری
اجزای یک برنامه داده بزرگ
استراتژی های توسعه برنامه داده های بزرگ
موارد استفاده: تشخیص تقلب و توصیه های محصول
گزینه های فناوری
طراحی راه حل ها
بهترین شیوه ها

مهارت ها

Mobile Device ManagementData EngineeringFull-Stack Web DevelopmentData AnalysisWeb DevelopmentNetwork and System AdministrationData ScienceBusiness Analysis and StrategyBusiness Software and ToolsDeep Dive (X:Y)

سرفصل ها

0. مقدمه

  • 01 - خوش آمدید

1. داده‌های بزرگ در زمان واقعی

  • 02 - زمان واقعی چیست
  • 03 - چالش‌های زمان واقعی
  • 04 - استراتژی‌هایی برای پردازش داده‌های بزرگ در زمان واقعی

2. استفاده از مورد 1 - تجزیه‌و‌تحلیل احساسات رسانه‌های اجتماعی (SM)

  • 05 - SM - مشکل را تجزیه‌و‌تحلیل کنید
  • 06 - SM - راه حل را مشخص کنید
  • 07 - SM - فن آوری‌ها را در نظر بگیرید
  • 08 - SM - معماری را بچینید
  • 09 - SM - عناصر کلیدی را طراحی کنید
  • 10 - بهترین شیوه‌ها - پخش در زمان واقعی

3. استفاده از مورد 2 - تشخیص تقلب در زمان واقعی (FD)

  • 11 - FD - مسئله را تجزیه‌و‌تحلیل کنید
  • 12 - FD - راه حل را مشخص کنید
  • 13 - FD - فن آوری‌ها را در نظر بگیرید
  • 14 - FD - طرح بندی معماری
  • 15 - FD - طراحی عناصر کلیدی
  • 16 - بهترین شیوه‌ها - تجزیه‌و‌تحلیل پیش‌بینی کننده

4. استفاده از مورد 3 - توصیه‌های تولید وب سایت (PR)

  • 17 - روابط عمومی - مشکل را تجزیه‌و‌تحلیل کنید
  • 18 - روابط عمومی - راه حل را مشخص کنید
  • 19 - روابط عمومی - فناوری‌ها را در نظر بگیرید
  • 20 - روابط عمومی - طرح ریزی معماری
  • 21 - روابط عمومی - عناصر کلیدی را طراحی کنید
  • 22 - بهترین شیوه‌ها - پردازش موازی

5. استفاده از مورد 4 - کوپن تلفن همراه (MC)

  • 23 - MC - مشکل را تجزیه‌و‌تحلیل کنید
  • 24 - MC - راه حل را مشخص کنید
  • 25 - MC - فن آوری‌ها را در نظر بگیرید
  • 26 - MC - معماری را بچینید
  • 27 - MC - طراحی عناصر کلیدی
  • 28 - بهترین شیوه‌ها - مدیریت خط لوله

نتیجه

  • 29 - مراحل بعدی

دوره های مرتبط

مسیرهای مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal