لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آشنایی با کلاندادهها (Big Data)
- آخرین آپدیت
دانلود Introduction to Big Data
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
آیا علاقهمندید دانش خود را در زمینه چشمانداز کلاندادهها افزایش دهید؟ این دوره برای کسانی است که در حوزه علوم داده تازهکار هستند و میخواهند بدانند چرا عصر کلاندادهها (Big Data) فرا رسیده است. این دوره برای افرادی طراحی شده که میخواهند با اصطلاحات و مفاهیم کلیدی پشت مشکلات، کاربردها و سیستمهای بیگ دیتا آشنا شوند و بررسی کنند که چگونه کلاندادهها میتوانند در کسبوکار یا مسیر شغلی آنها مفید باشند. در این دوره، یکی از رایجترین چارچوبها یعنی هادوپ (Hadoop) معرفی میشود که تحلیل کلاندادهها را آسانتر و در دسترستر کرده و پتانسیل دادهها برای تغییر جهان ما را افزایش داده است.
در پایان این دوره، شما قادر خواهید بود:
* چشمانداز کلاندادهها، از جمله مثالهایی از مشکلات واقعی و سه منبع اصلی تولید داده (افراد، سازمانها و حسگرها) را توصیف کنید.
* ویژگیهای V در کلاندادهها (حجم، سرعت، تنوع، صحت، ظرفیت و ارزش) و دلیل تاثیر هر یک بر جمعآوری، نظارت، ذخیرهسازی، تحلیل و گزارشدهی دادهها را توضیح دهید.
* با استفاده از یک فرآیند ۵ مرحلهای برای ساختاربندی تحلیلها، از کلاندادهها ارزش خلق کنید.
* تشخیص دهید چه مسائلی جزو مشکلات کلاندادهها هستند و چه مسائلی نیستند، و بتوانید مشکلات بیگ دیتا را به پرسشهای علوم داده تبدیل کنید.
* اجزای معماری و مدلهای برنامهنویسی مورد استفاده برای تحلیل مقیاسپذیر کلاندادهها را شرح دهید.
* ویژگیها و ارزش اجزای اصلی استک هادوپ، از جمله سیستم مدیریت منابع و وظایف YARN، سیستم فایل HDFS و مدل برنامهنویسی MapReduce را خلاصه کنید.
* یک برنامه را با استفاده از هادوپ نصب و اجرا کنید!
این دوره برای تازهکاران علوم داده است. هیچ تجربه قبلی در برنامهنویسی نیاز نیست، هرچند توانایی نصب نرمافزارها و استفاده از ماشین مجازی برای انجام تکالیف عملی ضروری است.
نیازمندیهای سختافزاری:
(الف) پردازنده چهار هستهای (پشتیبانی از VT-x یا AMD-V توصیه میشود)، ۶۴ بیتی؛ (ب) ۸ گیگابایت رم؛ (ج) ۲۰ گیگابایت فضای خالی دیسک. برای یافتن اطلاعات سختافزاری در ویندوز: Start را زده، روی Computer راستکلیک کرده و Properties را انتخاب کنید؛ در مک: از منوی اپل گزینه About This Mac را انتخاب کنید. اکثر کامپیوترهایی با ۸ گیگابایت رم که در ۳ سال اخیر خریداری شدهاند، این حداقل نیازمندیها را دارند. همچنین به دلیل دانلود فایلهایی تا حجم ۴ گیگابایت، به اینترنت پرسرعت نیاز دارید.
نیازمندیهای نرمافزاری:
این دوره بر چندین ابزار نرمافزاری متنباز از جمله Apache Hadoop متکی است. تمامی نرمافزارهای مورد نیاز به صورت رایگان قابل دانلود و نصب هستند. سیستمعاملهای مورد نیاز عبارتند از: ویندوز ۷ به بالا، مک OS X 10.10 به بالا، اوبونتو ۱۴.۰۴ به بالا یا CentOS ۶ به بالا و VirtualBox نسخه ۵ به بالا.
سرفصل ها و درس ها
خوشآمدگویی
Welcome
خوشآمدگویی به تخصص کلاندادهها
Welcome to the Big Data Specialization
معرفی خود و آشنایی با همکلاسیها
Tell us about yourself and learn about your classmates
کلاندادهها: چرا و کجا
Big Data: Why and Where
چه چیزی عصر کلاندادهها را آغاز کرد؟
What launched the Big Data era?
کاربردها: چه چیزی کلاندادهها را ارزشمند میکند
Applications: What makes big data valuable
مثال: نجات جان انسانها با کلاندادهها
Example: Saving lives with Big Data
مثال: استفاده از کلاندادهها برای کمک به بیماران
Example: Using Big Data to Help Patients
داستان موفقیت تحلیل احساسات: کمک Meltwater به Danone
A Sentiment Analysis Success Story: Meltwater helping Danone
شروع کار: کلاندادهها از کجا میآیند؟
Getting Started: Where Does Big Data Come From?
دادههای تولید شده توسط ماشین: همه جا هستند و حجمشان زیاد است!
Machine-Generated Data: It's Everywhere and There's a Lot!
دادههای تولید شده توسط ماشین: مزایا
Machine-Generated Data: Advantages
کلاندادههای تولید شده توسط انسان: چالش دادههای بدون ساختار
Big Data Generated By People: The Unstructured Challenge
کلاندادههای تولید شده توسط انسان: چگونه استفاده میشوند؟
Big Data Generated By People: How Is It Being Used?
دادههای تولید شده توسط سازمانها: ساختاریافته اما اغلب جزیرهای
Organization-Generated Data: Structured but often siloed
دادههای سازمانی: مزایای ترکیب با سایر انواع دادهها
Organization-Generated Data: Benefits Come From Combining With Other Data Types
کلید اصلی: یکپارچهسازی دادههای متنوع
The Key: Integrating Diverse Data
ویژگیهای کلاندادهها و ابعاد مقیاسپذیری
Characteristics of Big Data and Dimensions of Scalability
شروع کار: ویژگیهای کلاندادهها
Getting Started: Characteristics Of Big Data
ویژگیهای کلاندادهها: حجم (Volume)
Characteristics of Big Data - Volume
ویژگیهای کلاندادهها: تنوع (Variety)
Characteristics of Big Data - Variety
ویژگیهای کلاندادهها: سرعت (Velocity)
Characteristics of Big Data - Velocity
ویژگیهای کلاندادهها: صحت (Veracity)
Characteristics of Big Data - Veracity
ویژگیهای کلاندادهها: ظرفیت (Valence)
Characteristics of Big Data - Valence
ویژگی ششم: ارزش (Value)
The Sixth V: Value
علوم داده: استخراج ارزش از کلاندادهها
Data Science: Getting Value out of Big Data
علوم داده: استخراج ارزش از کلاندادهها
Data Science: Getting Value out of Big Data
ساخت استراتژی کلانداده
Building a Big Data Strategy
علوم داده کلان چگونه عمل میکند؟ پنج مؤلفه علوم داده
How does big data science happen?: Five Components of Data Science
پرسیدن سوالات درست
Asking the Right Questions
مراحل فرآیند علوم داده
Steps in the Data Science Process
مرحله اول: اکتساب دادهها
Step 1: Acquiring Data
مرحله دوم الف: اکتشاف دادهها
Step 2-A: Exploring Data
مرحله دوم ب: پیشپردازش دادهها
Step 2-B: Pre-Processing Data
نمایش نظرات