فرادرس
فرصت باقیمانده
۲۶,۰۰۰ تومان
در طرح تخفیف
۱۵,۶۰۰ تومان

آموزش مقدماتی Hadoop (هدوپ) برای تجزیه و تحلیل کلان داده

آموزش مقدماتی Hadoop (هدوپ) برای تجزیه و تحلیل کلان داده

تعداد دانشجو
۵۵۰ نفر
مدت زمان
۴ ساعت و ۵۷ دقیقه
هزینه عادی آموزش
۲۶,۰۰۰ تومان
در طرح تخفیف
۱۵,۶۰۰ تومان
(کسب اطلاعات بیشتر +)
محتوای این آموزش
۲ بازخورد (مشاهده نظرات)
آموزش مقدماتی Hadoop (هدوپ) برای تجزیه و تحلیل کلان داده

چکیده

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.

مدرس
ایمان بادروح

کارشناس ارشد کامپیوتر- نرم افزار

ایمان بادروح، دانشجوی دکترای مهندسی نرم افزار در دانشگاه آزاد اسلامی نجف آباد و عضو هیات علمی تمام وقت دانشگاه آزاد اسلامی استان فارس هستند. حوزه تخصصی پژوهشی ایشان داده کاوی و تحلیل داده های حجیم است. پایان نامه دکتری ایشان در حوزه تحلیل شبکه های اجتماعی است.

چکیده آموزش


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 سرفصل ها و رئوس مطالب مطرح شده در این 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 رشته های
  • مهندسی کامپیوتر

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

پیش نیاز



پیش نمایش‌ها

پیش‌نمایش ۱: آشنایی با کلان داده (Big Data)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۰ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۲: آشنایی با اکوسیستم هدوپ

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۶ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۳: نصب هدوپ

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۹ مگابایت -- (کلیک کنید +))

پیش‌نمایش ۴: آموزش برنامه‌ نویسی نگاشت - کاهش
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۵: سیستم فایل توزیع شده هدوپ (HDFS)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
پیش‌نمایش ۶: آشنایی با YARN
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای تهیه آموزش ها

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 Hadoop (هدوپ) برای تجزیه و تحلیل کلان داده
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     (کیفیت HD - مورد تایید فنی فرادرس)
حجم دانلود ۳۸۰ مگابایت     (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۵۵۰ نفر از این آموزش استفاده کرده اند و ۲ نظر ثبت شده است.
شهاب
شهاب

برای یک پروزه ای نیاز داشتم از هدوپ استفاده کنم از نصب تا همه چی شو یاد گرفتم.

سودابه
سودابه

بیان مدرس خیلی روان بود.
با تشکر از مجموعه فرادرس

تنها کاربران ثبت نامی در آموزش امکان درج کامنت را دارند
دسته های مرتبط: 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