دوره‌ مستقلمحتوای آفلاین

تحلیل کلان داده

مدرس سهیل تهرانی‌پور
آخرین بروزرسانی ۱۳ شهریور ۱۴۰۵
۰ دیدگاه

طی این دوره 3 هفته ای با مفاهیم کلان داده ها، ابزارها، پلتفرم های رایج و همچنین محیط های تحلیلی از جمله Pyspark در کلان داده آشنا می شوید. آشنایی با مفاهیم پایه هادوپ و اکوسیستم بیگ دیتا و نحوه کارکردن با برخی ابزارهای مهم و پرکاربرد مانند انبار داده توزیع شده Apache Hive و پایگاه داده های No-SQL مانند Mongo DB شانس بالاتری در جذب تیم های حرفه ای دیتاساینس فراهم می سازد. همچنین آشنایی با اجزای اسپارک Spark و استفاده از توانمندیهای مهم آن مانند Spark SQL و Pyspark مهارت های مهم و قابل انتظار از دانشمندان داده در شرکت های بزرگ و اینترپرایز می باشد.

دوره آفلاین تحلیل کلان داده چطور برگزار می شود؟

محتوای ویدئویی: در دوره آفلاین، تمامی محتوا و متریال آموزشی ارائه شده (اعم از صدا و تصویر مدرس، صفحه دسکتاپ مدرس و مباحثی که روی تخته ارائه می شود)، بصورت فیلم استدیویی ضبط و تدوین شده و در اختیار متقاضیان قرار میگیرد.

گروه پشتیبانی تلگرامی: تمام شرکت کنندگان دوره های آفلاین در این گروه عضو خواهند شد. به اشتراک گذاری منابع و اطلاعات مرتبط با محتوای دوره ها، طرح سوالات و اشکالات فردی و مباحثه بر روی اونها رو می توانید در این گروه پشتیبان داشته باشید. ضمن اینکه مدرسین دوره ها هم در این گروه هستند و در حد ممکن پاسخگو خواهند بود.

آیا در پایان دوره به شرکت کنندگان آفلاین گواهینامه ارائه می شود؟

دوره های آفلاین، شامل صدور گواهینامه نمی شوند.

در حال بارگذاری تقویم...

تقویم آموزشی
مستندات دوره
هفته اول
مقدمه ای بر کلان داده ها: ضرورتها ، مزیت‌ها و محدودیتهای آن
۱۴:۱۲
ضرورتها ، مزیت‌ها و محدودیتهای کلان داده
پخش رایگان۱۴:۱۲
اکوسیستم Hadoop: مفاهیم و ابزارها
۲:۲۶:۰۷
مقدمه و معرفی اکوسیستم Hadoop
۱۶:۴۵
اجزای اکوسیستم Hadoop
۱۶:۳۵
پیش نیازهای نصب Hadoop – بخش اول
۱۶:۵۵
پیش نیازهای نصب Hadoop – بخش دوم
۱۶:۱۳
نصب کلاستر Hadoop
۱۶:۳۹
کار کردن با HDFS
۱۷:۰۹
معرفی Hadoop YARN
۱۶:۴۳
معرفی Hadoop MapReduce
۱۶:۵۸
آشنایی با مدل پردازشی MapReduce
۱۲:۱۰
رفع اشکال آنلاین ۱
هفته دوم
انبار داده توزیع شده Apache Hive
۱:۲۴:۰۸
مقدمه و معرفی Apache Hive
۱۶:۲۰
روش نصب و کانفیگ Apache Hive
۱۴:۰۵
ایجاد جداول Hive MetaStore و شروع کار با Hive
۲۳:۲۹
استفاده از Zeppelin جهت اتصال به Hive و انجام کوئری و مصورسازی
۱۵:۴۲
روش کار با فرمت-فایل های Column-Base در Hive
۱۴:۳۲
دیتابیس های No-SQL
۵۰:۲۶
معرفی دیتابیس های NoSQL و نصب MongoDB
۱۵:۳۱
اتصال به MongoDB و شروع کار و عملیات داده ای در آن
۱۵:۴۳
معرفی Replicaset در MongoDB و ایجاد و اتصال به آن
۰۹:۱۶
معرفی Elastic و ELK Stack
۰۹:۵۶
رفع اشکال آنلاین ۲
هفته سوم
Apache Spark: مقدمه، تعریف و آماده سازی
۴۶:۱۰
مروری بر مباحث گذشته
۰۷:۳۸
معرفی اسپارک و اجزای آن
۱۱:۳۷
کاربرد اسپارک در پروژه های واقعی
۰۹:۳۸
نصب اسپارک روی YARN
۱۷:۱۷
معرفی Data Structure ها و پردازش آنها در اسپارک
۲:۳۲:۱۸
ساختار داده های تعریف شده در اسپارک
۱۴:۲۳
شروع کار با Spark SQL و استفاده از read/write-API
۱۶:۵۲
انجام EDA و کوئری روی داده‌ی HDFS
۱۵:۱۲
توابع موجود در Spark SQL – بخش اول
۱۵:۱۴
توابع موجود در Spark SQL – بخش دوم
۱۶:۲۲
توابع آماری موجود در Spark SQL
۱۷:۲۵
توابع رشته ای موجود در Spark SQL
۰۸:۵۹
اتصال Spark SQL به دیتابیس های رابطه ای (MySQL)
۱۰:۵۸
اتصال Spark SQL به دیتابیس MongoDB
۰۸:۱۹
اجرای یک مثال از فرایند ETL
۱۶:۳۲
روش کار با RDD در اسپارک
۱۲:۰۲
مانیتور کردن job ها در اسپارک
۱۴:۵۹
مانیتور کردن job ها در اسپارک
۱۴:۵۹
جمع بندی مباحث و مقدمه ای بر Spark Streaming و Spark ML
۰۹:۰۴
جمع بندی مباحث و مقدمه ای بر Spark Streaming و Spark ML
۰۹:۰۴
رفع اشکال آنلاین ۳
هفته چهارم
معرفی و مقدمه ای بر PySpark
۰۴:۵۳
معرفی و مقدمه ای بر PySpark
۰۴:۵۳
تحلیل اکتشافی داده در PySpark
۴۷:۱۲
تحلیل اکتشافی داده ها – بخش ۱
۱۴:۵۲
تحلیل اکتشافی داده ها – بخش ۲
۱۲:۰۷
تحلیل اکتشافی داده ها – بخش ۳
۰۸:۱۷
نحوه هندل کردن Missing Value ها
۱۱:۵۶
پیاده سازی مساله رگرسیون در PySpark
۳۰:۵۶
پیاده سازی مدل رگرسیون خطی – بخش ۱
۰۹:۳۵
پیاده سازی مدل رگرسیون خطی – بخش ۲
۰۶:۴۱
پیاده سازی مدل رگرسیون خطی – بخش ۳
۰۷:۴۰
پیاده سازی مدل رگرسیون خطی – بخش ۴
۰۷:۰۰
پیاده سازی مساله طبقه بندی در PySpark
۳۱:۵۹
پیاده سازی مدل رگرسیون لجستیک – بخش ۱
۰۹:۳۴
پیاده سازی مدل رگرسیون لجستیک – بخش ۲
۰۸:۵۱
پیاده سازی مدل رگرسیون لجستیک – بخش ۳
۰۷:۵۹
پیاده سازی مدل رگرسیون لجستیک – بخش ۴
۰۵:۳۵
پیاده سازی مساله خوشه بندی در PySpark
۲۴:۲۵
خوشه بندی به کمک K-Means – بخش ۱
۱۰:۱۸
خوشه بندی به کمک K-Means – بخش ۲
۱۴:۰۷
آشنایی با پلتفرم Apache Kafka
۲۰:۴۶
آشنایی با پلتفرم Apache Kafka
۲۰:۴۶
رفع اشکال آنلاین ۴
دکتر سهیل تهرانی‌پور

دیتاساینتیست ارشد و مدیرعامل شرکت ساعیان
دکترای هوش مصنوعی . فارغ التحصیل دانشگاه خواجه نصیر

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می‌نویسد.

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

Prove your humanity: 7   +   1   =  

سوال یا ابهامی دارید؟ برای مشاوره رایگان با ما در ارتباط باشید:

گزینه‌های ثبت‌نام

تحلیل کلان داده

ظرفیت باقیمانده 10 نفر

موجودی: ظرفیت باقیمانده 10 نفر

  • *انتخاب روش برگزاری کلاس

ویژگی

2
روش بازآموزی
3
گواهینامه
درخواست مشاوره رایگان ×


    Call Center
    سبد خرید شما
    هیچ محصولی در سبد خرید نیست.

    ورود به حساب کاربری

    ساخت حساب کاربری

    Prove your humanity: 6   +   9   =