داکر برای مهندسان داده

Docker for Data Engineers

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: پتانسیل پلتفرم کانتینری‌سازی محبوب Docker را برای تغییر روش توسعه، استقرار و مدیریت برنامه‌ها باز کنید. مربی Janani Ravi به شما نشان می دهد که چگونه Docker ایجاد و مدیریت برنامه های کاربردی کانتینری را ساده می کند و شما را از طریق نحوه نصب Docker Desktop در ویندوز و macOS، مدیریت تصاویر و کانتینرها، استفاده از اجزای Docker Hub و موارد دیگر راهنمایی می کند. در طول مسیر، تجربه عملی در ساخت تصاویر Docker، اجرای کانتینرها در حالت‌های مختلف، و استقرار یک برنامه کانتینری با نمونه‌های کانتینر Azure داشته باشید. چه یک توسعه دهنده باشید، چه یک متخصص فناوری اطلاعات، یا فقط به دنبال ساده سازی برنامه های خود باشید، در پایان این دوره، به مهارت هایی که برای استفاده از Docker برای افزایش کارایی و قابلیت پیش بینی برنامه های خود نیاز دارید، مجهز خواهید شد.

سرفصل ها و درس ها

مقدمه Introduction

  • پیش نیازها Prerequisites

  • Docker چیست و چگونه کمک می کند؟ What is Docker, and how does it help?

  • موضوعات دوره Course topics

1. معرفی Docker 1. Introducing Docker

  • معرفی تصاویر Introducing images

  • میکروسرویس ها Microservices

  • معایب توسعه برنامه در فلز لخت و ماشین های مجازی Drawbacks of application development on bare metal and VMs

  • ساخت و دسترسی به تصاویر Building and accessing images

  • ظروف و هسته Containers and kernels

  • اصطلاحات و مفاهیم Terms and concepts

  • معرفی Docker Introducing Docker

  • معرفی ظروف Introducing containers

2. کار با Docker 2. Working with Docker

  • کشیدن تصاویر با استفاده از Docker pull Pulling images using docker pull

  • مشاهده یک کانتینر در حال اجرا در Docker Desktop Viewing a running container on Docker Desktop

  • کاوش داکر هاب Exploring Docker Hub

  • نصب Docker Desktop در macOS Installing Docker Desktop on macOS

  • حذف ظروف و تصاویر Removing containers and images

  • نصب Docker Desktop در ویندوز Installing Docker Desktop on Windows

  • اجرای اولین کانتینر با استفاده از docker run Running your first container using docker run

3. ساختن تصاویر و کانتینرهای در حال اجرا 3. Building Images and Running Containers

  • اجرای برنامه کانتینری شده پایتون Running the containerized Python application

  • اجرای یک ظرف در حالت تعاملی Running a container in interactive mode

  • نادیده گرفتن دستورالعمل ENTRYPOINT Overriding the ENTRYPOINT directive

  • استفاده از تصویر پایه پایتون Using the Python base image

  • اجرای چندین کانتینر از یک تصویر Running multiple containers from the same image

  • تعیین Dockerfile برای اجرای برنامه پایتون Specifying the Dockerfile to run a Python application

  • ساختن تصویری که اسکریپت راه اندازی را اجرا می کند Building an image that runs a setup script

  • نادیده گرفتن دستورالعمل CMD Overriding the CMD instruction

  • ساخت اولین تصویر Docker شما Building your first Docker image

4. فشار دادن تصاویر به و کشیدن تصاویر از داکر هاب 4. Pushing Images to and Pulling Images from Docker Hub

  • فشار دادن تصاویر به داکر هاب با استفاده از دسکتاپ داکر Pushing images to Docker Hub using Docker Desktop

  • کشیدن تصاویر سفارشی از داکر هاب Pulling custom images from Docker Hub

  • انتقال تصاویر به داکر هاب Pushing images to Docker Hub

5. استقرار یک مدل کانتینری در نمونه های کانتینر Azure 5. Deploying a Containerized Model to Azure Container Instances

  • استقرار یک کانتینر در نمونه های کانتینر Azure Deploying a container to Azure Container Instances

  • راه اندازی Dockerfile برای پیش بینی مدل Setting up the Dockerfile for model prediction

  • ایجاد یک رجیستری کانتینر Azure و فشار دادن تصویر Creating an Azure Container Registry and pushing the image

  • احراز هویت به Azure با استفاده از Azure CLI Authenticating to Azure using the Azure CLI

  • آموزش مدل ML و سریال سازی فایل ترشی Training an ML model and serializing to a pickle file

  • اجرای یک برنامه کانتینری به صورت محلی برای پیش‌بینی خرابی Running a containerized app locally for churn prediction

  • نمونه های کانتینر Azure Azure Container Instances

  • پیش بینی با استفاده از برنامه کانتینری Making predictions using the containerized application

نتیجه گیری Conclusion

  • خلاصه و مراحل بعدی Summary and next steps

نمایش نظرات

داکر برای مهندسان داده
جزییات دوره
2h 30m
39
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
15
- از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.