×
۱۲۵,۰۰۰ تومان

آموزش مقدماتی هدوپ - تجزیه و تحلیل کلان داده با Hadoop

آموزش مقدماتی هدوپ - تجزیه و تحلیل کلان داده با Hadoop

هزینه آموزش
۱۲۵,۰۰۰ تومان

تعداد دانشجو
۱,۰۰۰ نفر
مدت زمان
۴ ساعت و ۵۷ دقیقه
محتوای این آموزش
تضمین کیفیت
۵ بازخورد (مشاهده نظرات)

در این فرادرس که برای دانشجویان کارشناسی ارشد و دکتری رشته مهندسی کامپیوتر بسیار مفید است، سعی داریم تا مخاطبین را با یکی از محبوب ترین پلتفرم های تجزیه و تحلیل کلان داده به نام آپاچی هدوپ (Apache Hadoop) آشنا کنیم. این پلتفرم، پایه بسیاری از تحقیقات جدی و جدید زمینه های گوناگون از جمله: تجزیه و تحلیل شبکه های اجتماعی، آنالیز سبد بازار، سیستم های پیشنهاد کننده، علوم زیستی مانند تجزیه و تحلیل گراف های پروتئینی و… را تشکیل می دهد.

آموزش مقدماتی هدوپ - تجزیه و تحلیل کلان داده با Hadoop

تعداد دانشجو
۱,۰۰۰ نفر
مدت زمان
۴ ساعت و ۵۷ دقیقه
هزینه آموزش
۱۲۵,۰۰۰ تومان
محتوای این آموزش
تضمین کیفیت
۵ بازخورد (مشاهده نظرات)

ایمان بادروح

کارشناس ارشد مهندسی کامپیوتر- نرم‌افزار

حوزه تخصصی پژوهشی ایشان داده‌کاوی، تحلیل داده‌های حجیم و پایان‌نامه دکتری ایشان در حوزه تحلیل شبکه‌های اجتماعی است. از سال 86 در دانشگاه‌های مختلف تدریس داشته‌اند و به زبان‌های برنامه‌نویسی پاسکال، C#, C++, C، جاوا و پایتون و R تسلط دارند.

توضیحات تکمیلی

نقش داده و تجزیه و تحلیل آن، در دنیای کسب و کار و تکنولوژی، امری ضروری و اجتناب ناپذیر به شمار می رود. در حال حاضر هر غول تکنولوژی از فناوری های کلان داده (Big Data) استفاده نموده تا بقای خود را در دنیای تجارت تضمین نماید. Big Data به مجموعه داده ای وسیع و فراگیر اشاره داشته که ممکن است ساختار یافته و یا غیرساختاری باشند.

با توجه به رشد روزافزون تکنولوژی، اینترنت و شبکه های اجتماعی، تولید داده رشد بسیار چشمگیری دارد. دولت ها و شرکت های خصوصی برای ذخیره سازی داده های خود، هزینه های بسیاری صرف می نمایند.

در این فرادرس که برای دانشجویان کارشناسی ارشد و دکتری رشته مهندسی کامپیوتر بسیار مفید است، سعی داریم تا مخاطبین را با یکی از محبوب ترین پلتفرم های تجزیه و تحلیل کلان داده به نام آپاچی هدوپ (Apache Hadoop) آشنا کنیم. این پلتفرم، پایه بسیاری از تحقیقات جدی و جدید زمینه های گوناگون از جمله: تجزیه و تحلیل شبکه های اجتماعی، آنالیز سبد بازار، سیستم های پیشنهاد کننده، علوم زیستی، مانند تجزیه و تحلیل گراف های پروتئینی و… را تشکیل می دهد.

 

فهرست سرفصل‌ها و رئوس مطالب مطرح شده در اين مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: آشنایی با کلان داده (Big Data)
    • تعریف کلان داده
    • میزان تولید داده در یک دقیقه
    • میزان رشد داده
    • المان های اصلی کلان داده
    • مشکلات ناشی از کلان داده و راهکارها
    • نسل جدید پایگاه داده ها
    • مقایسه پایگاه داده های رابطه ای با داده های غیررابطه ای
    • نظریه CAP
  • درس دوم: آشنایی با اکوسیستم هدوپ
    • معماری هدوپ
    • چرا هدوپ؟
    • ویژگی های هدوپ
  • درس سوم: نصب هدوپ
    • نصب Hadoop به روش Stand - Alone
    • نصب هدوپ به روش شبه توزیع شده
    • آشنایی با Map Reduce
    • معماری MapReduce در دو مثال شمارش کلمات و محاسبه ماکزیمم دما
    • تابع Map
    • تابع Reduce
    • تابع Combiner
    • جریان داده در MapReduce
    • پیاده سازی چند مثال با استفاده از جاوا، پایتون و اجرای آن ها
      • شمارش کلمات
      • حداقل و حداکثر حقوق به تفکیک بخش های یک سازمان
      • میانگین حقوق در هر بخش از یک سازمان بزرگ
  • درس چهارم: آموزش برنامه‌ نویسی نگاشت - کاهش
    • مفهوم HDFS
    • ویژگی ها و معایب HDFS
    • معماری HDFS
    • مفهوم بلاک در HDFS
    • عملیات خواندن در HDFS
    • عملیات نوشتن در HDFS
    • تعدادی از دستورات کاربردی HDFS
  • درس پنجم: سیستم فایل توزیع‌ شده هدوپ (HDFS)
  • درس ششم: آشنایی با YARN
    • آشنایی با YARN
    • معماری YARN
    • مقایسه MapReduce1 و MapReduce2
    • مدیریت منابع
    • مقیاس پذیری در YARN
    • انواع زمان بندی ها در YARN

 

مفید برای
  • مهندسی کامپیوتر

پیش نیاز

آشنایی با سیستم های توزیع شده

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

Apache Hadoop, Ubuntu

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش مقدماتی هدوپ - تجزیه و تحلیل کلان داده با Hadoop
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۷۱۵۷۸ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVHOP9710
مدت زمان ۴ ساعت و ۵۷ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (نمایش آنلاین + دانلود)
حجم دانلود ۴۳۸ مگابایت (کیفیت ویدئو HD با فشرده سازی انحصاری فرادرس)


تضمین کیفیت و گارانتی بازگشت هزینه
توجه: کیفیت این آموزش توسط فرادرس تضمین شده است. در صورت عدم رضایت از آموزش، به انتخاب شما:
  • ۱۰۰ درصد مبلغ پرداختی در حساب کاربری شما شارژ می‌شود.
  • و یا ۷۰ درصد مبلغ پرداختی به حساب بانکی شما بازگشت داده می‌شود.

نظرات

تا کنون ۱,۰۰۰ نفر از این آموزش استفاده کرده‌اند و ۵ نظر ثبت شده است.
محمد
محمد
۱۴۰۰/۱۱/۱۰
مدرس آموزش جزو مدرسین معروفه، من در این زمنیه فیلم ندیده بودم با توجه به هزینه ای که داشت ارزش تهیه کردن را داشت.
محسن
محسن
۱۴۰۰/۰۷/۱۹
نمیتونیم بگیم خیلی کامل اما در حد مقدماتی مطالبی گفته شده.
كيميا
كيميا
۱۴۰۰/۰۵/۲۳
بسيار عالي بود. منکه واقعا ازشون يادگرفتم.
قسمت برنامه نويسي جاوا برام سنگين بود اما کلا ديد خوبي پيدا کردم
ممنون از مدرس عزيز
شهاب
شهاب
۱۳۹۹/۰۳/۲۰
برای یک پروزه ای نیاز داشتم از هدوپ استفاده کنم از نصب تا همه چی شو یاد گرفتم.
سودابه
سودابه
۱۳۹۹/۰۳/۱۸
بیان مدرس خیلی روان بود.
با تشکر از مجموعه فرادرس
دسته‌بندی موضوعی: مهندسی کامپیوتر
برچسب‌ها:
Apache Hadoop | big data | CAP | data analysis | Hadoop | Hadoop Distributed File System | Hadoop EcoSystem | Hadoop stack | HDFS | MapReduce | MapReduce Model | Stand alone | YARN | آپاچی هدوپ | آشنایی با YARN | آشنایی با مه داده | آموزش پردازش داده های توزیع شده با هدوپ (Hadoop) | آنالیز سبد بازار | اکوسیستم | اکوسیستم هدوپ | المان های اصلی کلان داده | اینترنت | بیگ دیتا | پایگاه داده‌ های رابطه‌ ای | پردازش داده های توزیع شده | تابع Combiner | تابع Map | تابع Reduce | تجزیه و تحلیل شبکه های اجتماعی | تجزیه و تحلیل گراف های پروتئینی | تحلیل داده های حجیم | تعریف کلان داده | تولید داده | جریان داده در MapReduce | جمع بندی YARN | داده های حجیم | داده های غیررابطه ای | دانشمند داده | دنیای تجارت | دنیای کسب و کار و تکنولوژی | رشد روزافزون تکنولوژی | روش Stand-Alone | زبان برنامه نویسی پایتون (Python) | سیستم فایل توزیع شده | شبکه های اجتماعی | علوم زیستی | عملیات خواندن در HDFS | عملیات نوشتن در HDFS | فناوری های کلان داده | کلان داده | گراف های پروتئینی | مشکلات ناشی از کلان داده | معایب HDFS | معماری HDFS | معماری هدوپ | مفهوم HDFS | مفهوم بلاک در HDFS | مقایسه MapReduce1 | مقیاس پذیری در YARN | مه داده | مهندس داده | میزان تولید داده در یک دقیقه | میزان رشد داده | نسل جدید پایگاه داده ها | نصب Hadoop | نصب Hadoop به روش Stand alone | نصب هدوپ | نصب هدوپ به روش شبه توزیع شده | نظریه CAP | هدوپ (Hadoop) | هدوپ در یک نگاه | ویژگی ها و معایب HDFS | ویژگی های هدوپ | یارن
مشاهده بیشتر مشاهده کمتر
×
فهرست جلسات ۹ جلسه ویدئویی
×