آموزش استفاده از جریانهای موازی برای پردازش سریع داده در جاوا
Leveraging Parallel Streams for Fast Data Processing in Java
موازی بودن یک ویژگی شگفت انگیز است که توسط Stream API در جاوا 8 آورده شده است. در این دوره ، شما خواهید آموخت که چگونه جریانهای موازی زیر هود کار می کنند ، چگونه از آنها برای بهبود عملکرد برنامه های خود استفاده کنید و چه زمانی از آنها جلوگیری کنید.
Jose Paumard
آموزش پیش پردازش داده ها با NumPy
Preprocessing Data with NumPy
NumPy، ndarrays، Slicing، ژنراتورهای تصادفی، وارد کردن و ذخیره داده ها، آمار، دستکاری داده ها، پیش پردازش
365 Careers
آموزش بررسی Apache Flink API برای پردازش جریان داده ها
Exploring the Apache Flink API for Processing Streaming Data
Flink یک سیستم متغیر ، قابل تحمل و در مقیاس بزرگ است که با مجموعه داده های محدود و غیرمحدود با استفاده از همان معماری زمینه ای جریان اول کار می کند.
Janani Ravi
آموزش پردازش جریان داده ها با استفاده از Apache Flink
Processing Streaming Data Using Apache Flink
Apache Flink بر اساس مفهوم معماری جریان اول ساخته شده است که جریان منبع حقیقت است.
آموزش پردازش داده های جریان با استفاده از Apache Spark Streamed Streaming
Processing Streaming Data Using Apache Spark Structured Streaming
جریان ساختاری موتور پردازش جریان مقیاس پذیر و متحمل خطا در Apache Spark 2 است که می تواند برای پردازش جریان های با سرعت بالا مورد استفاده قرار گیرد.
آموزش تصور مدل پردازش برای سرویس جریان داده GCP
Conceptualizing the Processing Model for the GCP Dataflow Service
گردش اطلاعات نشان دهنده یک رویکرد کاملاً متفاوت نسبت به موتورهای محاسباتی مانند Spark در پردازش داده های بزرگ است. گردش اطلاعات بدون سرور و کاملاً مدیریت شده است و از خطوط لوله در حال اجرا که با استفاده از API های Apache Beam طراحی شده اند پشتیبانی می کند.
آموزش بررسی API جریان ساختاری Apache Spark برای پردازش داده های جریان
Exploring the Apache Spark Structured Streaming API for Processing Streaming Data
جریان ساختاری موتور پردازش جریان مقیاس پذیر و متحمل خطا در Apache Spark 2 است. فریم داده ها در Spark 2.x از داده های بی نهایت پشتیبانی می کنند ، بنابراین به طور موثر برنامه های دسته ای و جریان را متحد می کند.
آموزش مدلسازی داده های جریان برای پردازش با جریان ساختاری جرقه ای Apache
Modeling Streaming Data for Processing with Apache Spark Structured Streaming
اجرای تجزیه و تحلیل جریان می تواند دشوار باشد. این دوره به شما می آموزد که با استفاده از Spark Strukted Streaming پردازش داده در زمان واقعی را مدلسازی کنید.
Eugene Meidinger
آموزش مدل سازی داده های جریان برای پردازش با پرتو Apache
Modeling Streaming Data for Processing with Apache Beam
مدل واحد Apache Beam به ما امکان پردازش دسته ای و همچنین پخش جریانی داده را با استفاده از همان API می دهد. چندین مورد اجرا مانند Google Cloud Dataflow ، Apache Spark و Apache Flink با Beam سازگار هستند.
آموزش بررسی SDK پرتو Apache برای مدل سازی جریان داده ها برای پردازش
Exploring the Apache Beam SDK for Modeling Streaming Data for Processing
Apache Beam یک مدل واحد منبع باز برای پردازش داده های دسته ای و جریانی به روشی موازی است. خطوط لوله Beam که برای پشتیبانی از Backend Cloud Dataflow Google ساخته شده اند ، می توانند بر روی هرگونه پردازش باطله پشتیبانی شده اجرا شوند.
آموزش استفاده از جریان های جاوا برای پردازش و تجزیه و تحلیل داده ها در حافظه
Using Java Streams to Process and Analyze Data in Memory
Stream API پیاده سازی حافظه ای الگوی نقشه/فیلتر/کاهش است که در جاوا 8 معرفی شده است. در این دوره ، اصول این API ، نحوه استفاده از آن برای بهبود کد و نحوه اجرای این برنامه را خواهید آموخت. در داخل کار می کند
آموزش پردازش داده ها در AWS
Processing Data on AWS
این دوره اصول پردازش داده ها با AWS را به شما می آموزد. این موضوع مهمترین دامنه گواهینامه تخصصی تجزیه و تحلیل داده های گواهی شده AWS است (طبق راهنمای رسمی آزمون DAS-C01 24٪.)
Dan Tofan