قیمت این دوره: 500,000 300,000 تومان
  • مدرس دوره : قائم تقی پور
  • تعداد ویدیوها : 25 ویدیو
  • مدت زمان دوره : 4:7:00
  • سطح دوره : پیشرفته
  • وضعیت دوره : در حال برگزاری
  • تاریخ آخرین بروزرسانی : 1401/11/11
ثبتـــ نام در این دوره ثبت نام در دوره
آنالیز کلان داده (Big Data) با پایتون و اسپارک

آنالیز کلان داده (Big Data) با پایتون و اسپارک

با توسعه تکنولوژی و افزایش بی وقفه داده ها و اطلاعات، مفهومی به نام کلان داده یا Big-Data به وجود آمد که شامل داده های بزرگ و پیچیده می­شود و برای پردازش این نوع داده های مهم، باید از روش های جدیدی استفاده شود. در سال های گذشته، ابزار هایی برای کار با این نوع داده­های بزرگ معرفی شدند که یکی از بهترین های آن، موتور Apache Spark می­باشد که یک موتور چند زبانه برای اجرای پردازش های علم داده و یادگیری ماشین بر روی داده های کلان است. با استفاده از این موتور پردازش دیتای قدرتمند و زبان بسیار محبوب پایتون، به PySpark می­رسیم که یک API پایتون برای موتور Apache Spark است. این API یک چارچوب یا فریم ورک قدرتمند و دارای مجموعه ای از کتابخانه ها برای پردازش داده ها در مقیاس بزرگ و در حالت real-time یا لحظه­ای است. در این دوره مفاهیم کار با کلان داده ها و پردازش آن­ها از سطح مبتدی تا پیشرفته و با رویکردی پروژه محور مورد بررسی قرار گرفته است. دوره­ی پیش رو، متشکل از چهار فصل اصلی شامل مفاهیم مقدماتی داده ها، کار با اسپارک و پایتون مقدماتی، اسپارک پیشرفته و پردازش کلان داده با روش های یادگیری ماشین می­باشد که این مطالب در قالب پروژه های واقعی مورد بررسی قرار خواهند گرفت.

برای توضیحات بیشتر در رابطه با این دوره، لطفا ویدئوی معرفی دوره را مشاهده نمایید.

سرفصل های دوره:

فصل1 : مفاهیم مقدماتی کلان داده و اسپارک

فصل2: اسپارک و پایتون مقدماتی

فصل3: اسپارک پیشرفته

فصل4: بیگ دیتا و یادگیری ماشین



پیش نیاز های دوره :

  1. تسلط بر زبان پایتون

فهرستـــ ویدیوها

مدت زمان دوره 4:7:00
  • با مشاهده آنلاین جلسات در سایت ، هزینه اینترنت شما به صورت نیم بها محاسبه خواهد شد.

1
  • معرفی دوره

00:11:26

معرفی دوره

2
  • توضیح سرفصل ها و نقشه راه دوره

00:06:16

توضیح سرفصل ها و نقشه راه دوره

3
  • فصل اول - مفاهیم مقدماتی کلان داده و اسپارک - مقدمه ای بر Big Data

00:09:21

مقدمه ای بر Big Data

4
  • مقدمه ای بر Big Data - جلسه 2

00:11:18

مقدمه ای بر Big Data - جلسه 2

5
  • آشنایی با اسپارک و هدوپ

00:08:54

آشنایی با اسپارک و هدوپ

6
  • مولفه های اصلی اسپارک

00:06:17

مولفه های اصلی اسپارک

7
  • اکوسیستم اسپارک

00:08:25

اکوسیستم اسپارک

8
  • مفاهیم MapReduce و HDFS و DAG

00:08:16

مفاهیم MapReduce و HDFS و DAG

9
  • معرفی محیط های Anaconda و Google Colab

00:13:19

معرفی محیط های Anaconda و Colab

10
  • راه اندازی اسپارک بر روی Anaconda

00:15:36

راه اندازی اسپارک بر روی Anaconda

11
  • راه اندازی اسپارک بر روی Google Colab

00:07:45

راه اندازی اسپارک بر روی Google Colab

12
  • فصل دوم - مفاهیم مقدماتی و شروع کار با اسپارک

00:04:06

فصل دوم - اسپارک مقدماتی

13
  • مقایسه اسپارک 2 و اسپارک 3

00:04:08

مقایسه اسپارک 2 و اسپارک 3

14
  • آشنایی با RDD

00:04:34

آشنایی با RDD

15
  • آشنایی با مفاهیم Dataset و Data Frame

00:04:39

آشنایی با مفاهیم Dataset و Data Frame

16
  • دیتاست فیلم و پروژه امتیاز دهی فیلم های سینمایی

00:12:38

دیتاست فیلم - پروژه امتیاز دهی فیلم سینمایی

17
  • پروژه امتیاز دهی فیلم سینمایی - جلسه 2

00:18:44

پروژه امتیاز دهی فیلم سینمایی

18
  • پروژه میانگین سنی دوستان - جلسه 1

00:12:23

پروژه میانگین سنی دوستان - جلسه 1

19
  • پروژه میانگین سنی دوستان - جلسه 2

00:12:31

پروژه میانگین سنی دوستان - جلسه 2

20
  • پروژه هواشناسی - جلسه 1

00:10:58

پروژه دمای هوا

21
  • پروژه هواشناسی- جلسه 2

00:12:47

پروژه هواشناسی- جلسه 2

22
  • پروژه آنالیز متن کتاب - جلسه 1 (استفاده از Flat Map)

00:10:46

پروژه آنالیز متن کتاب

23
  • پروژه آنالیز متن کتاب - جلسه 2 (استفاده از RegEx)

00:09:39

پروژه آنالیز متن کتاب

24
  • پروژه آنالیز متن کتاب - جلسه 3

00:08:57

پروژه آنالیز متن کتاب - جلسه 3

25
  • پروژه هزینه های مشتریان - جلسه 1

00:13:31

پروژه هزینه های مشتریان فروشگاه

دوره های دیگر مدرس

مشاهده همه دوره ها

نظرات کاربران در رابطه با این دوره

لطفا سوالات خود را راجع به این آموزش در این بخش پرسش و پاسخ مطرح کنید به سوالات در قسمت نظرات پاسخ داده نخواهد شد و آن نظر حذف میشود.
جهت ثبت نظر باید در سایت عضو شوید و یا وارد سایت شده باشید .