آموزش Scala برای علوم داده

Scala Essential Training for Data Science

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: نحوه استفاده از Scala - زبان محبوب ترکیبی از طراحی شی گرا و برنامه نویسی کاربردی - را در کار علم داده خود کشف کنید. در این دوره ، با ویژگیهای Scala که برای دانشمندان داده بسیار مفید است ، از جمله توابع سفارشی ، پردازش موازی و برنامه نویسی Spark با Scala آشنا شوید. دن سالیوان با معرفی برنامه نویسان غیر اسکالا دوره را شروع می کند. در مرحله بعدی ، وی نحوه استفاده از SQL را از Scala توضیح داد - مفهومی مخصوصاً مفید برای دانشمندان داده ، زیرا آنها اغلب مجبور به استخراج داده ها از پایگاه داده های رابطه ای هستند. وی سپس سازه های پردازش موازی را در Scala پوشش داده و تکنیک هایی را به اشتراک می گذارد که برای مجموعه داده هایی با اندازه متوسط مفید هستند که می توانند در یک سرور با چند هسته تجزیه و تحلیل شوند.

      دان همچنین بر استفاده از Scala با Spark ، یک سیستم عامل پردازش توزیع شده تمرکز دارد. وی ابتدا چگونگی کار با مجموعه داده های توزیع شده انعطاف پذیر (RDD) - ساختار بنیادی داده Spark - را تشریح می کند و سپس نحوه استفاده از Scala با Spark DataFrames ، کلاس جدیدی از ساختار داده را که مخصوص پردازش تحلیلی طراحی شده است ، توضیح می دهد. او دوره را با ارائه خلاصه ای از مزایای استفاده از Scala برای علم داده به پایان می برد.
      موضوعات شامل:
      • مزایای Scala برای علم داده
      • انواع داده های مقیاس
      • آرایه ها ، بردارها و دامنه های مقیاس
      • پردازش موازی در مقیاس
      • نگاشت توابع روی مجموعه های موازی
      • چه وقت و چه زمانی از مجموعه های موازی استفاده نکنید
      • استفاده از SQL در مقیاس
      • RDD های Scala و Spark
      • اسکالا و Spark DataFrames
      • ایجاد DataFrames

      سرفصل ها و درس ها

      مقدمه Introduction

      • خوش آمدی Welcome

      • آنچه باید بدانید What you should know

      • با استفاده از پرونده های تمرینی Using the exercise files

      1. آشنایی با Scala 1. Introduction to Scala

      • مزایای استفاده از Scala برای علم داده The advantages of Scala for data science

      • نصب Scala Installing Scala

      • انواع داده های Scala Scala data types

      • مجموعه های Scala Scala collections

      • Scala آرایه ها ، بردارها و دامنه های Scala را تنظیم می کند Scala sets Scala arrays, vectors, and ranges

      • نقشه های اسکالا Scala maps

      • عبارات Scala Scala expressions

      • توابع Scala Scala functions

      • اشیاء Scala Scala objects

      2. پردازش موازی در Scala 2. Parallel Processing in Scala

      • مزایای مجموعه های موازی Advantages of parallel collections

      • ایجاد مجموعه های موازی Creating parallel collections

      • توابع نقشه برداری از مجموعه های موازی Mapping functions over parallel collections

      • فیلتر کردن مجموعه های موازی Filtering parallel collections

      • چه موقع و چه زمانی نباید از مجموعه های موازی استفاده کرد When and when not to use parallel collections

      3. استفاده از SQL در Scala 3. Using SQL in Scala

      • نصب PostgreSQL Installing PostgreSQL

      • بارگیری داده ها در PostgreSQL Loading data into PostgreSQL

      • اتصال به PostgreSQL Connecting to PostgreSQL

      • پرس و جو با رشته های SQL Querying with SQL strings

      • پرس و جو با بیانیه های آماده شده Querying with prepared statements

      • خلاصه SQL در Scala Summary of SQL in Scala

      4. RDD های Scala و Spark 4. Scala and Spark RDDs

      • آشنایی با جرقه Introduction to Spark

      • نصب جرقه Installing Spark

      • شروع کار با RDD های Spark Getting Started with Spark RDDs

      • توابع نقشه برداری از طریق RDD Mapping Functions over RDDs

      • آمار بیش از RDD Statistics over RDDs

      • خلاصه RDD های Scala و Spark Summary of Scala and Spark RDDs

      5- Scala و Spark DataFrames 5. Scala and Spark DataFrames

      • ایجاد DataFrames Creating DataFrames

      • گروه بندی و فیلتر کردن در DataFrames Grouping and filtering on DataFrames

      • پیوستن به DataFrames Joining DataFrames

      • کار با پرونده های JSON Working with JSON files

      • خلاصه Scala و Spark DataFrames Summary of Scala and Spark DataFrames

      نتیجه Conclusion

      • بررسی Scala برای علم داده Review of Scala for data science

      نمایش نظرات

      آموزش Scala برای علوم داده
      جزییات دوره
      1h 51m
      35
      Linkedin (لینکدین) Linkedin (لینکدین)
      (آخرین آپدیت)
      64,232
      - از 5
      ندارد
      دارد
      دارد
      Dan Sullivan
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Dan Sullivan Dan Sullivan

      معمار سازمانی ، کارشناس بزرگ داده دان سالیوان ، دکترای علوم ، یک معمار سازمانی و متخصص داده های بزرگ است.

      دان متخصص در معماری داده ، تجزیه و تحلیل ، داده کاوی ، آمار ، مدل سازی داده ها ، داده های بزرگ و رایانش ابری است. علاوه بر این ، او دارای دکترای ژنتیک ، بیوانفورماتیک و زیست محاسباتی است. Dan به طور منظم با Spark ، Oracle ، NoSQL ، MongoDB ، Redis ، R و Python کار می کند. وی تجربه نوشتن گسترده ای در موضوعاتی از جمله رایانش ابری ، داده های بزرگ ، Hadoop و امنیت دارد.