آموزش یکپارچه‌سازی و پردازش داده‌های حجیم (Big Data) - آخرین آپدیت

خوش‌آمدگویی به دوره یکپارچه‌سازی و پردازش داده‌های حجیم Welcome to Big Data Integration and Processing

• محتوای این دوره چیست؟ What is in this Course?

• خلاصه‌ای از مدل‌سازی و مدیریت داده‌های حجیم Summary of Big Data Modeling and Management

• چرا پردازش داده‌های حجیم متفاوت است؟ Why is Big Data Processing Different?

بازیابی داده‌های حجیم (بخش اول) Retrieving Big Data (Part 1)

• بازیابی داده چیست؟ بخش اول What is Data Retrieval? Part 1

• بازیابی داده چیست؟ بخش دوم What is Data Retrieval? Part 2

• پرس‌وجو (Query) از دو رابطه Querying Two Relations

• زیرپرس‌وجوها (Subqueries) Subqueries

• پرس‌وجوی داده‌های رابطه‌ای با Postgres Querying Relational Data with Postgres

بازیابی داده‌های حجیم (بخش دوم) Retrieving Big Data (Part 2)

• پرس‌وجوی داده‌های JSON با MongoDB Querying JSON Data with MongoDB

• توابع تجمیعی (Aggregation Functions) Aggregation Functions

• پرس‌وجوی Aerospike Querying Aerospike

• پرس‌وجوی اسناد در MongoDB Querying Documents in MongoDB

• بررسی دیتافریم‌های Pandas Exploring Pandas DataFrames

یکپارچه‌سازی داده‌های حجیم Big Data Integration

• نمای کلی یکپارچه‌سازی اطلاعات Overview of Information Integration

• سناریوی یکپارچه‌سازی داده‌ها A Data Integration Scenario

• یکپارچه‌سازی برای تحلیل مشتریان چندکاناله Integration for Multichannel Customer Analytics

• مدیریت و پردازش داده‌های حجیم با Splunk و Datameer Big Data Management and Processing Using Splunk and Datameer

• چرا Splunk؟ Why Splunk?

• اتصال خودروها با OpenXC فورد و Splunk Connected Cars with Ford's OpenXC and Splunk

• مدیریت و پردازش داده‌های حجیم با استفاده از Datameer Big Data Management and Processing using Datameer

• نصب Splunk Enterprise روی ویندوز Installing Splunk Enterprise on Windows

• نصب Splunk Enterprise روی لینوکس Installing Splunk Enterprise on Linux

• بررسی پرس‌وجوهای Splunk Exploring Splunk Queries

• اختیاری: ایجاد گزارش‌های Pivot در Splunk Optional: Creating Pivot Reports in Splunk

پردازش داده‌های حجیم Processing Big Data

• خط لوله‌های پردازش داده‌های حجیم (Processing Pipelines) Big Data Processing Pipelines

• برخی عملیات پردازشی سطح بالا در خط لوله‌های داده Some High-Level Processing Operations in Big Data Pipelines

• عملیات تجمیعی در خط لوله‌های داده‌های حجیم Aggregation Operations in Big Data Pipelines

• عملیات تحلیلی رایج در خط لوله‌های داده‌های حجیم Typical Analytical Operations in Big Data Pipelines

• نمای کلی سیستم‌های پردازش داده‌های حجیم Overview of Big Data Processing Systems

• لایه یکپارچه‌سازی و پردازش The Integration and Processing Layer

• آشنایی با Apache Spark Introduction to Apache Spark

• شروع کار با Spark Getting Started with Spark

• شمارش کلمات (WordCount) در Spark WordCount in Spark

تحلیل داده‌های حجیم با استفاده از Spark Big Data Analytics using Spark

• هسته Spark: برنامه‌نویسی در Spark با استفاده از RDDها در خط لوله Spark Core: Programming In Spark using RDDs in Pipelines

• هسته Spark: تبدیل‌ها (Transformations) Spark Core: Transformations

• هسته Spark: اکشن‌ها (Actions) Spark Core: Actions

• اس‌کی‌یو‌ال اسپارک (Spark SQL) Spark SQL

• جریان داده اسپارک (Spark Streaming) Spark Streaming

• کتابخانه یادگیری ماشین اسپارک (Spark MLLib) Spark MLLib

• گراف اسپارک (Spark GraphX) Spark GraphX

• بررسی SparkSQL و دیتافریم‌های Spark Exploring SparkSQL and Spark DataFrames

• تحلیل داده‌های حسگر با Spark Streaming Analyzing Sensor Data with Spark Streaming

یادگیری عملی: به کارگیری MongoDB و Spark Learn By Doing: Putting MongoDB and Spark to Work