آموزش اسپارک و پایتون برای داده های بزرگ با PySpark

Spark and Python for Big Data with PySpark

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
توضیحات دوره: نحوه استفاده از Spark با پایتون، از جمله Spark Streaming، Machine Learning، Spark 2.0 DataFrames و موارد دیگر را بیاموزید! از Python و Spark با هم برای تجزیه و تحلیل Big Data استفاده کنید یاد بگیرید چگونه از Spark 2.0 DataFrame Syntax جدید استفاده کنید روی پروژه های مشاوره ای که موقعیت های دنیای واقعی را تقلید می کنند، کار کنید! طبقه بندی Churn مشتری با رگرسیون لجستیک استفاده از Spark با جنگل های تصادفی برای طبقه بندی یاد بگیرید چگونه از درختان افزایش یافته گرادیان Spark استفاده کنید از Spark MLlib برای ایجاد مدل های یادگیری ماشین قدرتمند استفاده کنید در مورد پلت فرم DataBricks بیاموزید! راه‌اندازی خدمات وب آمازون EC2 برای تجزیه و تحلیل کلان داده‌ها با نحوه استفاده از سرویس MapReduce AWS Elastic آشنا شوید! یاد بگیرید چگونه از قدرت لینوکس با محیط اسپارک استفاده کنید! با استفاده از Spark و Natural Language Processing یک فیلتر اسپم ایجاد کنید! از Spark Streaming برای تجزیه و تحلیل توییت ها در زمان واقعی استفاده کنید! پیش نیازها: مهارت های برنامه نویسی عمومی به هر زبانی (ترجیحاً پایتون) 20 گیگابایت فضای خالی در رایانه محلی شما (یا به طور متناوب یک اتصال اینترنتی قوی برای AWS)

جدیدترین فناوری Big Data را بیاموزید - Spark! و یاد بگیرید که از آن با یکی از محبوب ترین زبان های برنامه نویسی، پایتون استفاده کنید!

یکی از با ارزش ترین مهارت های فناوری، توانایی تجزیه و تحلیل مجموعه داده های عظیم است، و این دوره به طور خاص طراحی شده است تا شما را با یکی از بهترین فناوری ها برای این کار آشنا کند، Apache Spark! شرکت‌های برتر فناوری مانند Google، Facebook، Netflix، Airbnb، Amazon، NASA و غیره همگی از Spark برای حل مشکلات کلان داده خود استفاده می‌کنند!

Spark می‌تواند تا 100 برابر سریع‌تر از Hadoop MapReduce عمل کند، که باعث افزایش تقاضا برای این مهارت شده است! از آنجا که چارچوب Spark 2.0 DataFrame بسیار جدید است، اکنون این توانایی را دارید که به سرعت به یکی از آگاه ترین افراد در بازار کار تبدیل شوید!

این دوره اصول اولیه یک دوره خرابی در پایتون را آموزش می‌دهد، و به یادگیری نحوه استفاده از Spark DataFrames با جدیدترین نحو Spark 2.0 ادامه می‌دهد! پس از انجام این کار، نحوه استفاده از کتابخانه ماشین MLlib با نحو DataFrame و Spark را بررسی خواهیم کرد. در تمام طول مسیر تمرین ها و پروژه های مشاوره ساختگی خواهید داشت که شما را در موقعیتی واقعی قرار می دهد که در آن باید از مهارت های جدید خود برای حل یک مشکل واقعی استفاده کنید!

ما همچنین آخرین فناوری‌های Spark، مانند Spark SQL، Spark Streaming، و مدل‌های پیشرفته مانند Gradient Boosted Trees را پوشش می‌دهیم! پس از اتمام این دوره، با قرار دادن Spark و PySpark در رزومه خود احساس راحتی خواهید کرد! این دوره همچنین دارای 30 روز ضمانت بازگشت وجه کامل است و دارای گواهی پایان لینکدین است!

اگر برای پرش به دنیای پایتون، اسپارک و بیگ دیتا آماده هستید، این دوره برای شما مناسب است!


سرفصل ها و درس ها

مقدمه دوره Introduction to Course

  • معرفی Introduction

  • بررسی اجمالی دوره Course Overview

  • سوالات متداول Frequently Asked Questions

  • اسپارک چیست؟ چرا پایتون؟ What is Spark? Why Python?

مقدمه دوره Introduction to Course

  • معرفی Introduction

  • بررسی اجمالی دوره Course Overview

  • سوالات متداول Frequently Asked Questions

  • اسپارک چیست؟ چرا پایتون؟ What is Spark? Why Python?

راه اندازی پایتون با اسپارک Setting up Python with Spark

  • نمای کلی راه اندازی Set-up Overview

  • توجه به بخش های نصب Note on Installation Sections

راه اندازی پایتون با اسپارک Setting up Python with Spark

  • نمای کلی راه اندازی Set-up Overview

  • توجه به بخش های نصب Note on Installation Sections

راه اندازی Databricks Databricks Setup

  • راه اندازی توصیه شده Recommended Setup

  • راه اندازی Databricks Databricks Setup

راه اندازی Databricks Databricks Setup

  • راه اندازی توصیه شده Recommended Setup

  • راه اندازی Databricks Databricks Setup

راه اندازی VirtualBox محلی Local VirtualBox Set-up

  • نصب محلی VirtualBox قسمت 1 Local Installation VirtualBox Part 1

  • نصب محلی VirtualBox قسمت 2 Local Installation VirtualBox Part 2

  • راه اندازی PySpark Setting up PySpark

راه اندازی VirtualBox محلی Local VirtualBox Set-up

  • نصب محلی VirtualBox قسمت 1 Local Installation VirtualBox Part 1

  • نصب محلی VirtualBox قسمت 2 Local Installation VirtualBox Part 2

  • راه اندازی PySpark Setting up PySpark

راه اندازی PySpark AWS EC2 AWS EC2 PySpark Set-up

  • راهنمای تنظیم AWS EC2 AWS EC2 Set-up Guide

  • ایجاد نمونه EC2 Creating the EC2 Instance

  • SSH با مک یا لینوکس SSH with Mac or Linux

  • نصب بر روی EC2 Installations on EC2

راه اندازی PySpark AWS EC2 AWS EC2 PySpark Set-up

  • راهنمای تنظیم AWS EC2 AWS EC2 Set-up Guide

  • ایجاد نمونه EC2 Creating the EC2 Instance

  • SSH با مک یا لینوکس SSH with Mac or Linux

  • نصب بر روی EC2 Installations on EC2

راه اندازی خوشه AWS EMR AWS EMR Cluster Setup

  • راه اندازی AWS EMR AWS EMR Setup

راه اندازی خوشه AWS EMR AWS EMR Cluster Setup

  • راه اندازی AWS EMR AWS EMR Setup

دوره سقوط پایتون Python Crash Course

  • مقدمه ای بر دوره سقوط پایتون Introduction to Python Crash Course

  • بررسی اجمالی نوت بوک Jupyter Jupyter Notebook Overview

  • دوره اول سقوط پایتون Python Crash Course Part One

  • دوره دوم سقوط پایتون Python Crash Course Part Two

  • دوره سوم سقوط پایتون Python Crash Course Part Three

  • تمرینات دوره سقوط پایتون Python Crash Course Exercises

  • راه حل تمرینات دوره سقوط پایتون Python Crash Course Exercise Solutions

دوره سقوط پایتون Python Crash Course

  • مقدمه ای بر دوره سقوط پایتون Introduction to Python Crash Course

  • بررسی اجمالی نوت بوک Jupyter Jupyter Notebook Overview

  • دوره اول سقوط پایتون Python Crash Course Part One

  • دوره دوم سقوط پایتون Python Crash Course Part Two

  • دوره سوم سقوط پایتون Python Crash Course Part Three

  • تمرینات دوره سقوط پایتون Python Crash Course Exercises

  • راه حل تمرینات دوره سقوط پایتون Python Crash Course Exercise Solutions

مبانی Spark DataFrame Spark DataFrame Basics

  • مقدمه ای بر Spark DataFrames Introduction to Spark DataFrames

  • مبانی Spark DataFrame Spark DataFrame Basics

  • Spark DataFrame Basics قسمت دوم Spark DataFrame Basics Part Two

  • Spark DataFrame Basic Operations Spark DataFrame Basic Operations

  • عملیات Groupby و Aggregate Groupby and Aggregate Operations

  • داده های از دست رفته Missing Data

  • تاریخ و مهر زمان Dates and Timestamps

مبانی Spark DataFrame Spark DataFrame Basics

  • مقدمه ای بر Spark DataFrames Introduction to Spark DataFrames

  • مبانی Spark DataFrame Spark DataFrame Basics

  • Spark DataFrame Basics قسمت دوم Spark DataFrame Basics Part Two

  • Spark DataFrame Basic Operations Spark DataFrame Basic Operations

  • عملیات Groupby و Aggregate Groupby and Aggregate Operations

  • داده های از دست رفته Missing Data

  • تاریخ و مهر زمان Dates and Timestamps

تمرین پروژه Spark DataFrame Spark DataFrame Project Exercise

  • تمرین پروژه DataFrame DataFrame Project Exercise

  • راهکارهای تمرین پروژه DataFrame DataFrame Project Exercise Solutions

تمرین پروژه Spark DataFrame Spark DataFrame Project Exercise

  • تمرین پروژه DataFrame DataFrame Project Exercise

  • راهکارهای تمرین پروژه DataFrame DataFrame Project Exercise Solutions

مقدمه ای بر یادگیری ماشین با MLlib Introduction to Machine Learning with MLlib

  • مقدمه ای بر یادگیری ماشین و ISLR Introduction to Machine Learning and ISLR

  • یادگیری ماشین با اسپارک و پایتون با MLlib Machine Learning with Spark and Python with MLlib

مقدمه ای بر یادگیری ماشین با MLlib Introduction to Machine Learning with MLlib

  • مقدمه ای بر یادگیری ماشین و ISLR Introduction to Machine Learning and ISLR

  • یادگیری ماشین با اسپارک و پایتون با MLlib Machine Learning with Spark and Python with MLlib

رگرسیون خطی Linear Regression

  • تئوری رگرسیون خطی و خواندن Linear Regression Theory and Reading

  • نمونه مستندسازی رگرسیون خطی Linear Regression Documentation Example

  • ارزیابی رگرسیون Regression Evaluation

  • کد مثال رگرسیون خطی در امتداد Linear Regression Example Code Along

  • پروژه مشاوره رگرسیون خطی Linear Regression Consulting Project

  • راه حل های پروژه مشاوره رگرسیون خطی Linear Regression Consulting Project Solutions

رگرسیون خطی Linear Regression

  • تئوری رگرسیون خطی و خواندن Linear Regression Theory and Reading

  • نمونه مستندسازی رگرسیون خطی Linear Regression Documentation Example

  • ارزیابی رگرسیون Regression Evaluation

  • کد مثال رگرسیون خطی در امتداد Linear Regression Example Code Along

  • پروژه مشاوره رگرسیون خطی Linear Regression Consulting Project

  • راه حل های پروژه مشاوره رگرسیون خطی Linear Regression Consulting Project Solutions

رگرسیون لجستیک Logistic Regression

  • تئوری رگرسیون لجستیک و خواندن Logistic Regression Theory and Reading

  • کد مثال رگرسیون لجستیک همراه Logistic Regression Example Code Along

  • کد رگرسیون لجستیک همراه Logistic Regression Code Along

  • پروژه مشاوره رگرسیون لجستیک Logistic Regression Consulting Project

  • راه حل های پروژه مشاوره رگرسیون لجستیک Logistic Regression Consulting Project Solutions

رگرسیون لجستیک Logistic Regression

  • تئوری رگرسیون لجستیک و خواندن Logistic Regression Theory and Reading

  • کد مثال رگرسیون لجستیک همراه Logistic Regression Example Code Along

  • کد رگرسیون لجستیک همراه Logistic Regression Code Along

  • پروژه مشاوره رگرسیون لجستیک Logistic Regression Consulting Project

  • راه حل های پروژه مشاوره رگرسیون لجستیک Logistic Regression Consulting Project Solutions

درختان تصمیم گیری و جنگل های تصادفی Decision Trees and Random Forests

  • نظریه و خواندن روش های درختی Tree Methods Theory and Reading

  • نمونه‌های مستندسازی روش‌های درختی Tree Methods Documentation Examples

  • ترس تصمیم و کد جنگل تصادفی همراه با مثال ها Decision Tress and Random Forest Code Along Examples

  • جنگل تصادفی - پروژه مشاوره طبقه بندی Random Forest - Classification Consulting Project

  • راه حل های پروژه مشاوره طبقه بندی تصادفی جنگل Random Forest Classification Consulting Project Solutions

درختان تصمیم گیری و جنگل های تصادفی Decision Trees and Random Forests

  • نظریه و خواندن روش های درختی Tree Methods Theory and Reading

  • نمونه‌های مستندسازی روش‌های درختی Tree Methods Documentation Examples

  • ترس تصمیم و کد جنگل تصادفی همراه با مثال ها Decision Tress and Random Forest Code Along Examples

  • جنگل تصادفی - پروژه مشاوره طبقه بندی Random Forest - Classification Consulting Project

  • راه حل های پروژه مشاوره طبقه بندی تصادفی جنگل Random Forest Classification Consulting Project Solutions

K-به معنای خوشه بندی است K-means Clustering

  • K-به معنای نظریه و خواندن خوشه بندی است K-means Clustering Theory and Reading

  • نمونه مستندات خوشه بندی KMeans KMeans Clustering Documentation Example

  • خوشه بندی کد مثال در کنار Clustering Example Code Along

  • پروژه مشاوره خوشه بندی Clustering Consulting Project

  • راه حل های پروژه مشاوره خوشه بندی Clustering Consulting Project Solutions

K-به معنای خوشه بندی است K-means Clustering

  • K-به معنای نظریه و خواندن خوشه بندی است K-means Clustering Theory and Reading

  • نمونه مستندات خوشه بندی KMeans KMeans Clustering Documentation Example

  • خوشه بندی کد مثال در کنار Clustering Example Code Along

  • پروژه مشاوره خوشه بندی Clustering Consulting Project

  • راه حل های پروژه مشاوره خوشه بندی Clustering Consulting Project Solutions

فیلتر مشارکتی برای سیستم های توصیه کننده Collaborative Filtering for Recommender Systems

  • مقدمه ای بر سیستم های توصیه گر Introduction to Recommender Systems

  • سیستم توصیه کننده - کد در طول پروژه Recommender System - Code Along Project

فیلتر مشارکتی برای سیستم های توصیه کننده Collaborative Filtering for Recommender Systems

  • مقدمه ای بر سیستم های توصیه گر Introduction to Recommender Systems

  • سیستم توصیه کننده - کد در طول پروژه Recommender System - Code Along Project

پردازش زبان طبیعی Natural Language Processing

  • مقدمه ای بر پردازش زبان طبیعی Introduction to Natural Language Processing

  • ابزار NLP قسمت اول NLP Tools Part One

  • ابزار NLP قسمت دوم NLP Tools Part Two

  • کد پردازش زبان طبیعی در طول پروژه Natural Language Processing Code Along Project

پردازش زبان طبیعی Natural Language Processing

  • مقدمه ای بر پردازش زبان طبیعی Introduction to Natural Language Processing

  • ابزار NLP قسمت اول NLP Tools Part One

  • ابزار NLP قسمت دوم NLP Tools Part Two

  • کد پردازش زبان طبیعی در طول پروژه Natural Language Processing Code Along Project

اسپارک استریم با پایتون Spark Streaming with Python

  • مقدمه ای بر استریمینگ با اسپارک! Introduction to Streaming with Spark!

  • مثال مستندات جریان جرقه Spark Streaming Documentation Example

  • پروژه توییتر اسپارک استریمینگ - قسمت Spark Streaming Twitter Project - Part

  • پروژه توییتر اسپارک استریم - قسمت دوم Spark Streaming Twitter Project - Part Two

  • پروژه توییتر اسپارک استریم - قسمت سوم Spark Streaming Twitter Project - Part Three

اسپارک استریم با پایتون Spark Streaming with Python

  • مقدمه ای بر استریمینگ با اسپارک! Introduction to Streaming with Spark!

  • مثال مستندات جریان جرقه Spark Streaming Documentation Example

  • پروژه توییتر اسپارک استریمینگ - قسمت Spark Streaming Twitter Project - Part

  • پروژه توییتر اسپارک استریم - قسمت دوم Spark Streaming Twitter Project - Part Two

  • پروژه توییتر اسپارک استریم - قسمت سوم Spark Streaming Twitter Project - Part Three

جایزه Bonus

  • سخنرانی پاداش: Bonus Lecture:

جایزه Bonus

  • سخنرانی پاداش: Bonus Lecture:

نمایش نظرات

نظری ارسال نشده است.

آموزش اسپارک و پایتون برای داده های بزرگ با PySpark
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
10.5 hours
67
Udemy (یودمی) udemy-small
11 خرداد 1399 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
114,891
4.5 از 5
دارد
دارد
دارد
Jose Portilla

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Jose Portilla Jose Portilla

رئیس بخش علوم داده در آموزش پیریان

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.