1. صفحه اصلی
  2. »
  3. آموزش
  4. »
  5. آموزش تصویری
  6. »
  7. Udemy – Mastering AWS Elastic Map Reduce (EMR) for Data Engineers 2022-9
Mastering AWS Elastic Map Reduce (EMR) for Data Engineers

Udemy – Mastering AWS Elastic Map Reduce (EMR) for Data Engineers 2022-9

توضیحات

Mastering AWS Elastic Map Reduce (EMR) for Data Engineers، دوره آموزش تسلط بر AWS Elastic Map Reduce (EMR) برای مهندسان داده توسط آکادمی Udemy منتشر شده است.AWS Elastic Map Reduce (EMR) یکی از سرویس‌های کلیدی AWS برای پردازش داده‌های حجیم با استفاده از فناوری‌های Big Data مانند Apache Hadoop، Apache Spark و Hive است. در این دوره، با ساخت پایپ‌لاین‌های داده انتها به انتها با Apache Spark و AWS Step Functions، کار با EMR را یاد می‌گیرید. ابتدا با ایجاد و مدیریت کلاسترهای EMR از طریق AWS Web Console، اتصال به نود اصلی و اعتبارسنجی رابط‌های CLI مانند spark-shell، pyspark، hive، hdfs و aws CLI آشنا می‌شوید. سپس کلاستر توسعه را راه‌اندازی می‌کنید، مزایای آن را می‌آموزید و با استفاده از Visual Studio Code Remote Development چرخه توسعه برنامه‌های Spark را مدیریت می‌کنید. دوره شامل پیاده‌سازی برنامه‌های Spark روی کلاسترهای EMR، رفع اشکال با لاگ‌ها و اجرای برنامه‌ها به صورت برنامه‌نویسی است. مدیریت کلاسترهای EMR و پیاده‌سازی برنامه‌های Spark به عنوان Step با Python Boto3 آموزش داده می‌شود. پایپ‌لاین‌های داده انتها به انتها با AWS Step Functions ساخته می‌شوند که شامل ایجاد کلاستر، پیاده‌سازی برنامه Spark و خاتمه کلاستر در ماشین حالت است. همچنین با اعتبارسنجی‌ها، ساخت برنامه‌های پردازش داده با Spark SQL و پیاده‌سازی پایپ‌لاین با AWS Step Functions و Boto3 Waiters برای اجرای خطی آشنا می‌شوید.

آنچه خواهید آموخت

  • ایجاد کلاستر با AWS Elastic Map Reduce Web Console
  • راه‌اندازی توسعه برنامه به صورت ریموت با AWS Elastic Map Reduce (EMR) و Visual Studio Code
  • توسعه و اعتبارسنجی برنامه ساده Spark با Visual Studio Code و AWS Elastic Map Reduce (EMR)
  • پیاده‌سازی برنامه Spark به عنوان Step روی AWS Elastic Map Reduce (EMR)
  • مدیریت پایپ‌لاین‌های مبتنی بر AWS Elastic Map Reduce (EMR) با Boto3 و Python
  • ساخت پایپ‌لاین انتها به انتها با AWS Elastic Map Reduce (EMR) و AWS Step Functions
  • توسعه برنامه با Spark SQL روی کلاستر AWS EMR
  • ساخت ماشین حالت یا پایپ‌لاین با AWS Step Functions و اسکریپت Spark SQL روی کلاستر AWS EMR
  • درک نحوه ارسال پارامتر به اسکریپت‌های Spark SQL پیاده‌سازی شده روی EMR

این دوره برای چه کسانی مناسب است

  • دانشجویان دانشگاه که می‌خواهند با مثال‌های عملی و واقعی پردازش داده‌های حجیم را با AWS Elastic Map Reduce یاد بگیرند
  • مهندسان داده و دانشمندان داده که به دنبال تسلط بر ساخت پایپ‌لاین داده با AWS Elastic Map Reduce برای پردازش داده‌های بزرگ هستند
  • توسعه‌دهندگان باتجربه که می‌خواهند ساخت پایپ‌لاین انتها به انتها با Python و سرویس‌های AWS مانند AWS Elastic Map Reduce را یاد بگیرند
  • مهندسان داده باتجربه برای ساخت پایپ‌لاین انتها به انتها با Python و AWS Elastic Map Reduce
  • هر متخصص IT که علاقه‌مند به یادگیری عمیق AWS Elastic Map Reduce (EMR) برای پردازش داده‌های سنگین است

مشخصات دوره Mastering AWS Elastic Map Reduce (EMR) for Data Engineers

سر فصل های دوره Mastering AWS Elastic Map Reduce (EMR) for Data Engineers

Mastering AWS Elastic Map Reduce (EMR) for Data Engineers

پیش نیاز های دوره

  • A computer science or IT Degree or 1 or 2 years of IT Experience
  • Basic Linux Skills with ability to run commands using Terminal
  • Programming Skills using Python is required
  • Valid AWS Account to use the AWS Services to learn how to build Data Pipelines using AWS Lambda Functions

تصاویر

Mastering AWS Elastic Map Reduce (EMR) for Data Engineers

فیلم نمونه

راهنمای نصب

پس از Extract، با Player دلخواه خود مشاهده کنید.

زیرنویس: انگلیسی

کیفیت: 720

لینک دانلود

دانلود بخش 1 – 1 گیگابایت

دانلود بخش 2 – 1 گیگابایت

دانلود بخش 3 – 1 گیگابایت

دانلود بخش 4 – 366 مگابایت

گذرواژه فایل(ها): www.downloadly.ir

حجم فایل

3.35 گیگابایت

رتبه دهید

محاسبه حجم دانلود برای ایرانسل به‌صورت تمام‌بها است.

Download Faster Without Limitation

The data center of free servers has applied a non-Iranian IP restriction on some servers
There is no limitation for VIP servers

برچسب ها:

دیدگاهتان را بنویسید

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

این قسمت نباید خالی باشد
این قسمت نباید خالی باشد
لطفاً یک نشانی ایمیل معتبر بنویسید.
فقط دیدگاه‌هایی که جنبه‌ی استفاده‌ی عمومی دارد، نمایش داده می‌شود؛ درصورت تمایل به دریافت نتیجه‌ی رسیدگیِ دیدگاه خود، ایمیل معتبر وارد کنید.

فهرست