لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش آپاچه اسپارک: پیادهسازی و ارزیابی گردشکارهای دادههای بزرگ (Big Data)
- آخرین آپدیت
دانلود Apache Spark: Apply & Evaluate Big Data Workflows
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره آموزشی، مفاهیم پایه و متوسط پردازش توزیعشده دادهها را با استفاده از Apache Spark، یکی از قدرتمندترین موتورهای تحلیل داده در مقیاس بزرگ، به مبتدیان معرفی میکند. زبانآموزان طی دو ماژول ساختاریافته، با معماری اسپارک آشنا شده، اجزای اصلی آن را شرح داده و ساختارهای برنامهنویسی کلیدی مانند مجموعههای توزیعشده مقاوم (RDDs) را پیادهسازی خواهند کرد.
در ماژول اول، یادگیرندگان با اصول مدل محاسباتی توزیعشده اسپارک آشنا شده و تبدیلهای پایه RDD را به تصویر میکشند. در ماژول دوم، منطق تبدیلهای پیشرفته را به کار گرفته، استراتژیهای پایداری داده (Persistence) را اجرا کرده و تفاوت بین فرمتهای مختلف فایل مانند CSV، JSON، Parquet و Avro را برای مدیریت بهینه دادهها تحلیل میکنند.
در پایان این دوره، کاربران قادر خواهند بود برنامههای اسپارک را برای بهینهسازی تحلیل کنند، استراتژیهای ذخیرهسازی را ارزیابی نمایند و گردشکارهای پردازش داده مقیاسپذیر را با استفاده از APIهای اصلی اسپارک توسعه دهند. این دوره با ترکیب شفافیت مفهومی و مثالهای عملی، شما را برای رویارویی با چالشهای واقعی دادههای بزرگ آماده میکند.
سرفصل ها و درس ها
شروع کار با آپاچه اسپارک
Getting Started with Apache Spark
مقدمهای بر آپاچه اسپارک
Introduction to Apache Spark Spark
مفهوم اسپارک کانتکست (Spark Context)
Spark Context
اجزای تشکیلدهنده اسپارک
Spark Components
آشنایی با مبانی RDD در اسپارک
Introduction to Spark RDD Basics
استفاده از تابع فیلتر (Filter)
Use of Filter Function
عملیات پیشرفته RDD و مدیریت دادهها
Advanced RDD Operations and Data Handling
تبدیلهای RDD در اسپارک
RDD Transformations in Spark
ادامه تبدیلهای RDD در اسپارک
RDD Transformations in Spark Continues
پایداری دادهها (Persistence) در اسپارک
RDD Persistence in Spark
گروهبندی، مرتبسازی و عملیات روی Pair RDDs
Group Sort and Actions on Pair RDDs
فرمتهای فایل در اسپارک
Spark File Formats
ادامه بررسی فرمتهای فایل در اسپارک
Spark File Formats Continues
نمایش نظرات