این دومین دوره از یک سری چهار دوره برای معماران و مهندسان ابر با دانش موجود Azure است. هدف آن مقایسه راه حل های Google Cloud و Azure و راهنمایی متخصصان در استفاده از آنها است.
سازمان ها در هر اندازه ای از قدرت و انعطاف پذیری ابر استفاده می کنند تا نحوه عملکرد خود را تغییر دهند. با این حال، مدیریت و مقیاس بندی منابع ابری به طور موثر می تواند یک کار پیچیده باشد. مقیاسپذیری با Google Cloud Operations مفاهیم اساسی عملیات مدرن، قابلیت اطمینان و انعطافپذیری در فضای ابری را بررسی میکند و چگونه Google Cloud میتواند به حمایت از این تلاشها کمک کند. بخشی از مسیر یادگیری Cloud Digital Leader، این دوره با هدف کمک به افراد در رشد نقش خود و ساختن آینده کسب و کارشان است.
اسرار پنهان برای افزایش مقیاس کانال خود را در YouTube کشف کنید
این دوره به شما میآموزد که چگونه برنامههایی را روی AWS طراحی کنید که میتوانند بهطور الاستیک برای پاسخگویی به سطوح در حال تغییر تقاضا، با تمرکز بر دامنه «قابلیت اطمینان و تداوم کسبوکار» در آزمون Associate SysOps Certified AWS طراحی کنید.
این دوره آموزشی برنامه نویس Azure، فراگیران را برای استقرار یک تابع بادوام برای مقیاس پذیری بیشتر، و توسعه کد برای رسیدگی به خطاهای گذرا آماده می کند.
در این دوره ، شما با مفاهیم ناب و چابک در مقیاس آشنا می شوید ، بنابراین می توانید از مزایای تیم های کوچک مستقل چابک و اقتصاد مقیاس سازمان های بزرگ بهره مند شوید.
طراحی سیستم فرآیند طراحی معماری، اجزاء و رابطهای یک سیستم است تا نیازهای کاربر نهایی را برآورده کند. طراحی بزرگ ..
این دوره به شما می آموزد که چگونه می توان از خدمات NET. برای بهبود عملکرد و در دسترس بودن نرم افزار خود با استفاده از ریز سرویس های بدون حالت دارای تراز بار ، صف و حافظه پنهان ، استفاده کرد.
Nate Vogel ، VP ، Data Platforms ، در مورد چگونگی رشد تیم مهندسی داده با تأکید بر فرهنگ سازی برای اطمینان ، به اشتراک می گذارد.
در دسترس بودن منابع ابری همراه با تنظیم میزان کار بسیار مهم است. این دوره به شما نحوه استقرار ماشین های مجازی بسیار در دسترس و مقیاس پذیر را آموزش می دهد و با آزمون AZ-104 ، Microsoft Azure Administrator Associate گواهی هم تراز می شود.
Big Data LDN 2019 | متعادل کردن عملکرد، مقیاس پذیری و در دسترس بودن بالا در محیط پایگاه داده شما | دیمیتری وانووربکه
این دوره ملاحظات مهم برای مدلهای یادگیری scikit را در بهبود تأخیر و توان عملیاتی پیش بینی پوشش می دهد. نمایش ویژگی های خاص و تکنیک های یادگیری جزئی ، و همچنین پیاده سازی های یادگیری افزایشی ، ...