ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی - Advance Your Skills as an Apache Spark Specialist

مسیر آموزشی ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی - Image of Learn Path Advance Your Skills as an Apache Spark Specialist
مسیرهای یادگیری علوم داده
ارتقا مهارت های خود به عنوان یک متخصص اسپارک آپاچی Advance Your Skills as an Apache Spark Specialist
Apache Spark به دلیل قابلیت‌های پخش، سرعت و مقیاس‌پذیری، یکی از سریع‌ترین ابزارهای در حال رشد در علم داده است. به طور خاص، کتابخانه یادگیری ماشینی Spark MLlib به سرعت در حال تبدیل شدن به یک ابزار ضروری برای کسانی است که در هوش مصنوعی کار می کنند. با آخرین مهارت های Apache Spark به روز باشید.
Advance Your Skills as an Apache Spark Specialist
Apache Spark is among the fastest-growing tools in data science, due to its streaming, speed, and scalability capabilities. In particular, the Spark MLlib machine learning library is rapidly becoming a must-have for those working in AI. Stay up to date with the latest Apache Spark skills.
مدت زمان: 7h 33m
تعداد دوره ها: 4
مجموع قیمت: (۱۰۰۰۰۰)
قیمت با 30% تخفیف : ۷۰۰۰۰
تعداد مدرسین: 4
برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
  • 1
    دوره آموزشی دوره آموزشی Cloud Hadoop: پیمایش آپاچی اسپارک - Image of Course Cloud Hadoop: Scaling Apache Spark 3 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی Cloud Hadoop: پیمایش آپاچی اسپارک

    Cloud Hadoop: Scaling Apache Spark

    Apache Hadoop و Spark امکان ایجاد بینش تجاری واقعی از داده های بزرگ را فراهم می کنند. ابر آمازون خانه طبیعی این مجموعه ابزار قدرتمند است و خدمات متنوعی را برای اجرای گردش کار پردازش داده در مقیاس بزرگ فراهم می کند. بیاموزید که در این دوره با معمار داده های بزرگ، لین لانگیت، گردش کار Apache Hadoop و Spark خود را در AWS پیاده کنید. با استفاده از ماشین های مجازی با EC2، خوشه های Spark مدیریت شده با EMR یا کانتینرهای با EKS، گزینه های استقرار برای مشاغل مقیاس تولید را کاوش کنید با نحوه پیکربندی و مدیریت خوشه های Hadoop و مشاغل Spark با Databricks آشنا شوید و از Python یا زبان برنامه نویسی مورد نظر خود برای وارد کردن داده ها و اجرای مشاغل استفاده کنید. بعلاوه، یاد بگیرید که چگونه از کتابخانه های Spark برای یادگیری ماشین، ژنومیک و پخش جریانی استفاده کنید. هر درس به شما کمک می کند بفهمید کدام گزینه استقرار برای حجم کار شما بهترین است. موضوعات شامل: - سیستم سیستم برای Hadoop و Spark - کار با پایگاه داده - بارگذاری داده ها در جداول - تنظیم خوشه های Hadoop و Spark روی ابر - در حال انجام مشاغل جرقه - واردات و صادرات نوت بوک های پایتون - اجرای مشاغل Spark در Databricks با استفاده از Python و Scala - وارد کردن داده ها به خوشه های Spark - کدگذاری و اجرای تحولات و اقدامات Spark - ذخیره داده - کتابخانه های Spark: Spark SQL، SparkR، Spark ML و موارد دیگر - جرقه زدن - جرقه مقیاس بندی با AWS و GCP

    تاریخ انتشار ۱۳۹۹/۱/۱۳ (2020/04/01)
    تاریخ بروزرسانی ندارد
    Lynn Langit
    فایل های تمرینی دارد
  • 2
    دوره آموزشی دوره آموزشی یادگیری جامع آپاچی اسپارک - Image of Course Apache Spark Essential Training 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی یادگیری جامع آپاچی اسپارک

    Apache Spark Essential Training

    آپاچی اسپارک یک پلتفرم قدرتمند است که راه های جدیدی را برای ذخیره و استفاده از داده های بزرگ در اختیار کاربران قرار می دهد. در این دوره، با Spark به سرعت عمل کنید و کشف کنید که چگونه از این موتور پردازش محبوب برای ارائه بینش مؤثر و جامع در مورد داده های خود استفاده کنید. مربی بن سالینز یک نمای کلی از پلتفرم ارائه می دهد و به اجزای مختلف سازنده آپاچی اسپارک می پردازد. او نحوه تجزیه و تحلیل داده‌ها را در Spark با استفاده از PySpark و Spark SQL نشان می‌دهد، الگوریتم‌های یادگیری ماشینی در حال اجرا را با استفاده از Mlib بررسی می‌کند، نحوه ایجاد یک برنامه تحلیل جریانی با استفاده از Spark Streaming و موارد دیگر را نشان می‌دهد. اهداف یادگیری درک اسپارک بررسی اجزای اسپارک جایی که اسپارک می درخشد درک رابط های داده کار با فایل های متنی بارگیری داده های CSV در DataFrames استفاده از Spark SQL برای تجزیه و تحلیل داده ها اجرای الگوریتم های یادگیری ماشین با استفاده از Mlib پرس و جو داده های جریان اتصال ابزارهای BI به Spark

    تاریخ انتشار ۱۳۹۶/۱/۱۴ (2017/04/03)
    تاریخ بروزرسانی ندارد
    Ben Sullins
    فایل های تمرینی دارد
  • 3
    دوره آموزشی دوره آموزشی جامع Apache Spark: مهندسی داده بزرگ - Image of Course Apache Spark Essential Training: Big Data Engineering 1 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی جامع Apache Spark: مهندسی داده بزرگ

    Apache Spark Essential Training: Big Data Engineering

    مهندسی داده، پایه و اساس تجزیه و تحلیل و کاربردهای علم داده در دنیای جدید داده های بزرگ است. مهندسی داده نیازمند ترکیب چندین فناوری داده بزرگ برای ساخت خط لوله داده و شبکه هایی برای جریان، پردازش و ذخیره داده ها است. این دوره بر ایجاد راه حل های کامل تمرکز می کند که Apache Spark را با سایر ابزارهای Big Data ترکیب می کند تا خطوط لوله داده به انتها ایجاد کند. مربی Kumaran Ponnambalam با تعریف مهندسی داده، عملکردها و مفاهیم آن شروع می کند. در مرحله بعد، کوماران می گوید چگونه قابلیت های Spark مانند پردازش موازی، برنامه های اجرایی، گزینه های مدیریت حالت و یادگیری ماشین با استخراج، تبدیل، بارگذاری (ETL) کار می کند. او شما را با موارد و فرایندهای استفاده از پردازش دسته ای و همچنین خطوط لوله پردازش در زمان واقعی آشنا می کند. پس از گذراندن چندین شیوه مفید مفید، کومانان با یک پروژه تمرینی به پایان می رسد.

    تاریخ انتشار ۱۴۰۰/۶/۲۴ (2021/09/15)
    تاریخ بروزرسانی ندارد
    Kumaran Ponnambalam
    فایل های تمرینی دارد
  • 4
    دوره آموزشی دوره آموزشی Spark برای یادگیری ماشین و هوش مصنوعی (AI) - Image of Course Spark for Machine Learning & AI 2 ساعت
    با زیرنویس فارسی و انگلیسی

    دوره آموزشی Spark برای یادگیری ماشین و هوش مصنوعی (AI)

    Spark for Machine Learning & AI

    Apache Spark یکی از پرکاربردترین و پشتیبانی شده ترین ابزارهای منبع باز برای یادگیری ماشین و داده های بزرگ است. در این دوره، نحوه کار با این بستر قدرتمند برای یادگیری ماشین را کشف کنید. مربی دن سالیوان در مورد MLlib - کتابخانه یادگیری ماشین Spark - بحث می کند که ابزارهایی را برای دانشمندان و تحلیل گران داده فراهم می کند که ترجیح می دهند راه حل هایی برای مشکلات تجاری پیدا کنند تا کدگذاری، آزمایش و نگهداری کتابخانه های یادگیری ماشین خود. وی نحوه استفاده از DataFrames برای سازماندهی ساختار داده را نشان می دهد، و تهیه داده ها و انواع متداول الگوریتم های یادگیری ماشین را شامل می شود: خوشه بندی، طبقه بندی، رگرسیون و توصیه ها. با پایان دوره، شما تجربه بارگذاری داده ها در Spark، پیش پردازش داده ها را در صورت لزوم برای استفاده از الگوریتم های MLlib و استفاده از این الگوریتم ها برای انواع مشکلات یادگیری ماشین خواهید داشت. موضوعات شامل: گردش کار یادگیری ماشین سازماندهی داده ها در DataFrames مراحل پیش پردازش و آماده سازی داده ها برای یادگیری ماشین خوشه بندی داده ها الگوریتم های طبقه بندی روشهای رگرسیون موجود در Spark MLlib رویکردهای مشترک برای طراحی سیستم های توصیه شده

    تاریخ انتشار ۱۳۹۶/۸/۱۶ (2017/11/07)
    تاریخ بروزرسانی ندارد
    Dan Sullivan
    فایل های تمرینی دارد
برای خرید این مسیر آموزشی باید وارد حساب کاربری خود شوید.
شما این مسیر آموزشی را با مدرسان زیر میگذرانید
عکس مدرس Lynn Langit - Image of Author Lynn Langit

Lynn Langit

لین لانگیت یک معمار و توسعه دهنده Cloud است که راه حل هایی را با خدمات وب (Amazon (AWS و (Google Cloud Platform (GCP ایجاد می کند. او متخصص پروژه های داده های بزرگ (big data) است. لین با AWS Athena، Aurora، Redshift، Kinesis و IoT کار کرده است. او همچنین کار تولید با Databricks برای Apache Spark و Google Cloud Dataproc، Bigtable، BigQuery و Cloud Spanner انجام داده است. لین همچنین مؤسس آموزش برنامه نویسی برای کودکان (Teaching Kids Programming) است. او در زمینه فناوری اطلاعات و Cloud در آمریکای شمالی و جنوبی، اروپا، آفریقا، آسیا و استرالیا سخنرانی کرده است.

مشاهده پروفایل
عکس مدرس Dan Sullivan - Image of Author Dan Sullivan

Dan Sullivan

دن سالیوان یک متخصص معماری سازمانی در معماری داده، آنالیتیک ها، data mining، آمار، نمونه سازی داده، big data ، و محاسبه cloud است. به علاوه، او در ژنتیک، بیوانفورمتیک، و زیست شناسی محاسبه ای، PhD دارد. دَن به طور مرتب با Spark، Oracle، NoSQL، MongoDB، Redis، R و Python کار می کند. او سابقه نگارش طولانی درباره موضوعاتی نظیر محاسبه cloud، big data، Hadoop و امنیت دارد.

مشاهده پروفایل
عکس مدرس Ben Sullins - Image of Author Ben Sullins

Ben Sullins

به عنوان یک متخصص تمام وقت data، بن سالینز تمام وقتش را صرف کمک به سایرین می کند تا از data هوشمندانه استفاده کنند. وی به اطلاعات معنی می بخشد و از انجامش لذت می برد. پیش زمینه اش به او دانش منحصر به فردی می بخشد که او را از سایر جامعه data مجزی می کند. از اواخر دهه 1990، او به شرکت های معروف زیادی، از جمله facebook، میکروسافت، linkedIn، Cisco، Mozilla ،Pluralsight و Genentech درباره دموکراسیزه کردن data در شرکت هایشان مشاوره داده است. به علاوه، بن سه ماه را صرف اداره مسئولیت facebook کرد تا فرهنگ data را در آنجا ، از طریق ارائه و به کار بردن ابزار مناسب و تکنیک های بصری کردن data با استفاده از Tableau افزایش دهد. و هدف اصلی بن از این تخصص اش فراهم آوردن خدمات خاص به مشتری ها ، از طریق پربار کردن زندگی شان با اطلاعات هوشمندانه و موثر می باشد.

مشاهده پروفایل
عکس مدرس Kumaran Ponnambalam - Image of Author Kumaran Ponnambalam

Kumaran Ponnambalam

Kumaran Ponnambalam بيش از 20 سال با داده ها کار کرده است. او برنامه هاي سازماني و ابر را ساخته است که اطلاعات را براي توليد بينش هاي معنادار براي مصرف کنندگان به ارمغان مي آورد. داده ها همواره کوماران را جذاب کرده اند و هميشه به دنبال راه هايي براي کشف، مديريت و تسلط بر آن ميباشد. استفاده از تجزيه و تحليل براي حل مشکلات کسب‌ و کار ، حوزه کليدي کار اوست. او از ديرباز , علاقه زيادي به ساختن دوره‌هاي کيفي براي مردم براي درک و استفاده از داده‌ها داشته‌ است . تجزيه و تحليل داده هاي بزرگ به سرعت در حال رشد است، اما آموزش و پرورش با کيفيت، به ويژه در زمينه هاي کاربردي، کم است و او مي خواهد به آن کمک کند.

مشاهده پروفایل