گام 6 مهندس داده بزرگ
بازگشتمسیر تبدیل شدن به متخصص مهندسی داده بزرگ
راهنمای مسیر آموزشی
ضروری
اختیاری
توصیه شده
نمودار درختی مهندس داده بزرگ
مهندس داده بزرگ
اصول و الگوهای معماری
مقیاسپذیری افقی در مقابل عمودی
Map Reduce
تکرار داده
ابزارها
Hadoop (داده بزرگ)
Spark (در حافظه)
HDFS
RAPIDS (روی GPU)
استک Elastic (EKL)
Kafka و KSQL
پایگاههای داده
Cassandra
MongoDB, Neo4j
مقیاسپذیری
ZooKeeper
Kubernetes
سرویسهای ابری
AWS SageMaker
Google ML Engine
Microsoft Azure Machine Learning Studio
شروع مهندس داده بزرگ
آغاز مسیر یادگیری
1
6.1 اصول و الگوهای معماری
2
6.2 مقیاسپذیری افقی در مقابل عمودی
3
6.3 Map Reduce
4
6.4 تکرار داده
5
6.5 ابزارها
مفاهیم مرتبط:
- Hadoop (داده بزرگ)
- Spark (در حافظه)
- HDFS
- RAPIDS (روی GPU)
- استک Elastic (EKL)
- Kafka و KSQL
6
6.6 پایگاههای داده
مفاهیم مرتبط:
- Cassandra
- MongoDB, Neo4j
7
6.7 مقیاسپذیری
8
6.8 ZooKeeper
9
6.9 Kubernetes
10
6.10 سرویسهای ابری
مفاهیم مرتبط:
- AWS SageMaker
- Google ML Engine
- Microsoft Azure Machine Learning Studio
تبریک!
شما مسیر مهندس داده بزرگ را به پایان رساندید
منابع تکمیلی مهندس داده بزرگ
برای تکمیل دانش خود در زمینه مهندس داده بزرگ، منابع آموزشی زیر را مطالعه کنید:
کتابها و مقالات
- کتابهای مرجع در زمینه مهندس داده بزرگ
- مقالات علمی و پژوهشی
- مجلات تخصصی
دورههای آنلاین
- ویدیوهای آموزشی
- دورههای تخصصی آنلاین
- وبینارهای آموزشی
مشارکت در تکمیل این بخش
آیا میخواهید در تکمیل و بهبود محتوای بخش مهندس داده بزرگ مشارکت کنید؟
منابع، نکات و تجربیات خود را با ما به اشتراک بگذارید.