آموزش خدمات وب آمازون برای علوم داده

Amazon Web Services for Data Science

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: با استفاده از ترکیبی مناسب از خدمات وب آمازون ، آنچه را که می خواهید بدانید برای پیاده سازی راه حل های کلان داده مبتنی بر ابر - از لینگ لانگیت ، معمار کلان داده و ابر و قهرمان جامعه AWS ، بیاموزید.

لین با شروع با دسته های سطح بالا ذخیره سازی ، داده ها ، رایانه و خدمات ، شما را با برنامه ریزی معماری ایده آل AWS ، ارائه دموی خدمات با استفاده از کنسول AWS ، رابط خط فرمان و سایر ابزارها راهنمایی می کند. بیاموزید چه موقع از کدام سرویس برای موارد تجاری مانند Docker یا Lambda یا DynamoDB یا Aurora استفاده کنید؟ وی نحوه ایجاد اسکریپت برای ایجاد سرویس هایی مانند S3 سطلها و نمونه های EC2 ، ایجاد و جمع آوری یک انبار داده مدیریت شده و ایجاد خط لوله پردازش داده هایی که برای شما مناسب باشد ، نشان می دهد. فصل 6 خدمات اینترنت اشیا A AWS (اینترنت اشیا) را پوشش می دهد.

این تمرینات به شما کمک می کند تا از مفاهیم اثبات شده ، حداقل محصولات مناسب و راه حل های قابل استفاده برای مقیاس گذاری و پشتیبانی از ابتکارات کلان داده در شرکت خود استفاده کنید.
موضوعات شامل:
  • تنظیم حساب AWS خود
  • استفاده از ابزارهای AWS
  • تعریف حداقل محصولات مناسب شما
  • انتخاب رایانه ، فضای ذخیره سازی و خدمات داده
  • استفاده از S3 ، EC2 یا Docker برای میزبانی وب
  • ایجاد وب سایت AWS
  • استفاده از انبار داده
  • توسعه خط لوله پردازش داده ها
  • ایجاد پروژه اینترنت اشیا with با AWS

سرفصل ها و درس ها

مقدمه Introduction

  • خوش آمدی Welcome

  • آنچه باید قبل از تماشای این دوره بدانید What you should know before watching this course

  • فایل های تمرینی Exercise files

  • بررسی دانش Knowledge checks

1- پروژه AWS خود را شروع کنید 1. Start Your AWS Project

  • حسابهای AWS را تنظیم کنید Set up AWS accounts

  • برای تأیید اعتبار از ریشه چند منظوره استفاده کنید Use multifactor authentication for root accounts

  • از چندین محیط AWS استفاده کنید Use multiple AWS environments

  • مدیریت هزینه را تنظیم کنید Set up cost management

  • از ابزارهای AWS ، AWS CLI و موارد دیگر استفاده کنید Use AWS tools, AWS CLI, and more

  • بررسی دانش Knowledge check

2. معماری AWS خود را برنامه ریزی کنید 2. Plan Your AWS Architecture

  • MVP خود را تعریف کنید Define your MVP

  • خدمات را انتخاب کنید: محاسبه کنید Choose services: Compute

  • معماری AWS MVP خود را ترسیم کنید Draw your AWS MVP architecture

  • خدمات را انتخاب کنید: ذخیره سازی Choose services: Storage

  • خدمات را انتخاب کنید: داده Choose services: Data

  • معماری پروژه AWS خود را تأیید کنید Validate your AWS project architecture

  • بررسی دانش Knowledge check

3. توسعه وب سایت AWS 3. Develop the AWS Website

  • وب سایت AWS: زبان و ابزار را انتخاب کنید و یک محیط توسعه ایجاد کنید AWS website: Select language & tools & set up a development environment

  • برای میزبانی وب سایت از S3 استفاده کنید Use S3 for website hosting

  • برای میزبانی وب سایت از EC2 استفاده کنید Use EC2 for website hosting

  • از خدمات شبکه سازی ، IP الاستیک و موارد دیگر استفاده کنید Use networking services, Elastic IP, and more

  • بانک اطلاعاتی RDS Aurora را اضافه کنید Add RDS Aurora database

  • برای میزبانی وب سایت از لامبدا استفاده کنید Use Lambda for website hosting

  • Lambda را در میزبان دنیای واقعی اعمال کنید Apply Lambda to real-world hosting

  • برای میزبانی وب سایت از Elastic Beanstalk استفاده کنید Use Elastic Beanstalk for website hosting

  • Docker را برای میزبانی وب سایت اعمال کنید Apply Docker for website hosting

  • نکته: بهترین ترکیب خدمات محاسباتی برای وب سایت شما Tip: The best mix of compute services for your website

  • بررسی دانش Knowledge check

4- انبار داده AWS را توسعه دهید 4. Develop the AWS Data Warehouse

  • چرا از انبار داده استفاده می کنیم؟ Why use a data warehouse?

  • انبار داده AWS: زبان و ابزار را انتخاب کنید و یک محیط توسعه ایجاد کنید AWS data warehouse: Select language & tools & set up a development environment

  • از Redshift استفاده کنید Use Redshift

  • Redshift خود را با داده بارگیری کنید Load your Redshift with data

  • یک پرس و جو پایه را اجرا کنید Run a baseline query

  • برای Redshift از Matillion ETL استفاده کنید Use Matillion ETL for Redshift

  • برای تجسم از BIME استفاده کنید Use BIME for visualization

  • بررسی دانش Knowledge check

5- خط لوله پردازش داده AWS را توسعه دهید 5. Develop AWS Data Processing Pipeline

  • چرا از جریان داده استفاده می شود؟ Why use data streaming?

  • خط لوله پردازش داده AWS: زبان و ابزار را انتخاب کنید و یک محیط توسعه ایجاد کنید AWS data processing pipeline: Select language & tools & set up a development environment

  • از Kinesis و Lambdas برای بارگیری داده استفاده کنید Use Kinesis and Lambdas to load data

  • برای بارگذاری داده ها در S3 از Firehose استفاده کنید Use Firehose to load data into S3

  • استفاده از Kinesis در راه حل های جریان Using Kinesis in streaming solutions

6. توسعه پروژه AoS IoT 6. Develop AWS IoT Project

  • مفاهیم IoT را درک کنید Understand IoT concepts

  • پروژه AWS IoT: زبان و ابزار را انتخاب کنید و یک محیط توسعه ایجاد کنید AWS IoT project: Select language & tools & set up a development environment

  • از AWS IoT MQTT استفاده کنید Use AWS IoT MQTT

  • از ابرداده دستگاه AWS IoT و حالت سایه استفاده کنید Use AWS IoT device metadata and shadow state

  • از گواهینامه ها و خط مشی های IoT برای ایمن سازی پیام دستگاه استفاده کنید Use IoT certificates and policies to secure device message

  • از قوانین IoT برای S3 برای ذخیره پیام های دستگاه خروجی استفاده کنید Use IoT rules for S3 to store outgoing device messages

  • از قوانین Iot برای DynamoDB برای ذخیره پیام های دستگاه خروجی استفاده کنید Use Iot rules for DynamoDB to store outgoing device messages

  • معماری راه حل IoT بسازید Build IoT solution architecture

  • بررسی دانش Knowledge check

  • بررسی دانش Knowledge check

نتیجه Conclusion

  • مراحل بعدی Next steps

نمایش نظرات

نظری ارسال نشده است.

آموزش خدمات وب آمازون برای علوم داده
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
3h 56m
52
Linkedin (لینکدین) lynda-small
28 تیر 1395 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
118,950
- از 5
ندارد
دارد
دارد
Lynn Langit

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Lynn Langit Lynn Langit

Cloud Architect

Lynn Langit یک معمار ابری است که با خدمات وب آمازون و Google Cloud Platform کار می کند.

لین متخصص در پروژه های کلان داده است. او با AWS Athena، Aurora، Redshift، Kinesis و IoT کار کرده است. او همچنین کارهای تولیدی را با Databricks برای Apache Spark و Google Cloud Dataproc، Bigtable، BigQuery و Cloud Spanner انجام داده است.

لین همچنین بنیانگذار  است. آموزش برنامه نویسی به کودکان. او درباره داده ها و فناوری های ابری در آمریکای شمالی و جنوبی، اروپا، آفریقا، آسیا و استرالیا صحبت کرده است.

Linkedin (لینکدین)

لینکدین: شبکه اجتماعی حرفه‌ای برای ارتباط و کارآفرینی

لینکدین به عنوان یکی از بزرگترین شبکه‌های اجتماعی حرفه‌ای، به میلیون‌ها افراد در سراسر جهان این امکان را می‌دهد تا ارتباط برقرار کنند، اطلاعات حرفه‌ای خود را به اشتراک بگذارند و فرصت‌های شغلی را کشف کنند. این شبکه اجتماعی به کاربران امکان می‌دهد تا رزومه حرفه‌ای خود را آپدیت کنند، با همکاران، دوستان و همکاران آینده ارتباط برقرار کنند، به انجمن‌ها و گروه‌های حرفه‌ای ملحق شوند و از مقالات و مطالب مرتبط با حوزه کاری خود بهره‌مند شوند.

لینکدین همچنین به کارفرمایان امکان می‌دهد تا به دنبال نیروهای با تجربه و مهارت مورد نیاز خود بگردند و ارتباط برقرار کنند. این شبکه حرفه‌ای به عنوان یک پلتفرم کلیدی برای بهبود دسترسی به فرصت‌های شغلی و گسترش شبکه حرفه‌ای خود، نقش مهمی را ایفا می‌کند. از این رو، لینکدین به عنوان یکی از مهمترین ابزارهای کارآفرینی و توسعه حرفه‌ای در دنیای امروز مورد توجه قرار دارد.