الگوهای معماری نرمافزار برای کلان داده
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- مقایسه، اندازهگیری و تست مدلهای کلان داده برای استفاده در تولید
- نوشتن تستهای عملکردی سفارشی برای اندازهگیری ویژگیهای یک سیستم توزیعشده
- استفاده از صفها برای توزیع افقی حجمکارهای بزرگ
توضیحات دوره
این دوره برای افرادی طراحی شده که به دنبال درک الگوهای معماری ضروری برای انتقال سیستمهای نرمافزاری بزرگ برای استفاده از کلان داده در تولید هستند.
شما نمونههای اولیه کلان داده را به نرمافزار تولید با کیفیت بالا و تست شده تبدیل خواهید کرد. پس از اندازهگیری ویژگیهای عملکردی سیستمهای توزیعشده، نواحی مشکلدار را شناسایی کرده و راهحلهای مقیاسپذیر برای بهبود عملکرد پیاده خواهید کرد. پس از تکمیل دوره، می آموزید که چگونه دیتااستورهای تولید را برای عملکرد تحت بار مقیاسبندی کنید و تستهای بارگذاری طراحی کنید تا اطمینان حاصل شود که اپلیکیشن ها الزامات عملکردی را برآورده میکنند.
این دوره میتواند به عنوان اعتبار علمی بخشی از برنامههای کارشناسی ارشد علم داده یا کارشناسی ارشد علوم کامپیوتر دانشگاه کالیفرنیا در بولدر که در پلتفرم Coursera ارائه میشود، اخذ شود. این مدارک کارشناسی ارشد کاملاً معتبر دارای دورههای هدفمند با جلسات کوتاه 8 هفتهای هستند. پذیرش بر اساس عملکرد در سه دوره پیشنیاز، نه تاریخچه تحصیلی، است. مدارک دانشگاه کالیفرنیا در بولدر در Coursera برای فارغالتحصیلان اخیر یا متخصصان شاغل ایدهآل است.
الگوهای معماری نرمافزار برای کلان داده
-
معرفی دوره 2:03
-
آشنایی با پایگاه کد پیشبینی کننده مسابقه 4:49
-
مدلهای پیشبینی کننده مسابقه 7:43
-
اعتبار علمی برای کار خود کسب کنید None
-
پشتیبانی دوره None
-
انگیزه برای بررسی همتا None
-
آشنایی با مدلهای پیشبینی None
-
متریکهای ارزیابی برای مدلهای پیشبینی None
-
پیشبینی کننده مسابقه فوتبال None
-
ارزیابی مدل None
-
ایجاد گزارشها و خودکارسازی ارزیابی None
-
ردیابی تماس 7:20
-
تبادل مستقیم 4:07
-
آشنایی با پایگاه کد اعتبارسنج ایمیل 9:42
-
سیستمهای توزیعشده و حجمهای کاری توزیعشده None
-
افزایش عملکرد با سیستمهای توزیعشده None
-
صف پیامرسانی چیست؟ None
-
RabbitMQ None
-
صفهای پیامرسان و حجمهای کاری بزرگ None
-
آشنایی با پایگاه کد اعتبارسنج ایمیل None
-
شناسایی نگرانیهای عملکردی None
-
نوشتن تستهای عملکردی None
-
تفسیر خروجی تست عملکرد None
-
تست عملکرد - بنچ مارک سفارشی 7:28
-
تبادل هش یکنواخت 4:40
-
نوشتن یک تست عملکردی برای الزامات کسبوکار None
-
ایجاد بهبودها بر اساس نتایج None
-
اطلاعات بیشتر درباره تست None
-
رینگ هش یکنواخت None
-
تبادل هش یکنواخت None
-
صفهای پیامرسانی و پایگاه دادههای Highly Available None
-
مبادلات نظریه CAP 5:33
-
دسترسپذیری چیست؟ None
-
موانع در دسترسپذیری None
-
پایگاه دادههای High Availiability None
-
مبادلات درباره پایگاه دادههای High Availiability None
-
تاخیر، حافظه و مبادلات پیامرسانی در سیستمهای توزیعشده None
-
تکرار None
مشخصات آموزش
الگوهای معماری نرمافزار برای کلان داده
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:پیشرفته
- تعداد درس:38
- مدت زمان :53:25
- حجم :121.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy