دوره Google Cloud Platform: Batch Application Deployment and Management with Dask (Advanced Distributed Computing) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Google Cloud Platform: Batch Application Deployment and Management with Dask (Advanced Distributed Computing)

موضوع کلی: برنامه نویسی

موضوع میانی: Google Cloud Platform (GCP)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر محاسبات توزیع شده و Big Data
• 2. مروری بر Google Cloud Platform (GCP)
• 3. آشنایی با سرویس های اصلی GCP (Compute Engine, Cloud Storage, Networking)
• 4. حساب های کاربری و پروژه ها در GCP
• 5. مقدمه ای بر Dask: محاسبات موازی در پایتون
• 6. نصب و راه اندازی Dask
• 7. آشنایی با آرایه های Dask
• 8. آشنایی با DataFrame های Dask
• 9. گراف های محاسباتی Dask
• 10. تاخیر در محاسبات Dask
• 11. زمانبندی محاسبات Dask
• 12. کار با Dask Scheduler ها (Single-Machine Scheduler)
• 13. کار با Dask Scheduler ها (Distributed Scheduler)
• 14. مقیاس پذیری Dask
• 15. استقرار Dask در GCP
• 16. انتخاب سرویس مناسب GCP برای استقرار Dask
• 17. استقرار Dask با استفاده از Compute Engine
• 18. پیکربندی ماشین های مجازی Compute Engine برای Dask
• 19. ساخت ایمیج های سفارشی Compute Engine برای Dask
• 20. استفاده از Cloud Storage برای داده های Dask
• 21. پیکربندی دسترسی به Cloud Storage از Dask
• 22. استقرار Dask با استفاده از Google Kubernetes Engine (GKE)
• 23. آشنایی با Kubernetes و Containerization
• 24. ساخت Docker Image برای Dask Worker ها
• 25. استقرار Dask Cluster در GKE
• 26. مدیریت منابع در GKE برای Dask
• 27. استفاده از Helm برای استقرار Dask در GKE
• 28. شبکه سازی در GCP برای Dask
• 29. پیکربندی Virtual Private Cloud (VPC) برای Dask
• 30. پیکربندی Firewall Rules برای Dask
• 31. امنیت در GCP برای Dask
• 32. مدیریت هویت و دسترسی (IAM) برای Dask
• 33. پیکربندی سرویس حساب ها برای Dask
• 34. مانیتورینگ و Logging در GCP برای Dask
• 35. استفاده از Cloud Monitoring برای Dask
• 36. استفاده از Cloud Logging برای Dask
• 37. عیب یابی برنامه های Dask در GCP
• 38. Profiling برنامه های Dask
• 39. استفاده از Dask Dashboard برای مانیتورینگ
• 40. بهینه سازی عملکرد Dask در GCP
• 41. بهینه سازی کد Dask برای GCP
• 42. بهینه سازی پیکربندی GCP برای Dask
• 43. Scalability اتوماتیک Dask در GCP
• 44. استفاده از Cluster Autoscaler در GKE برای Dask
• 45. مدیریت هزینه ها در GCP برای Dask
• 46. استفاده از Cloud Billing برای Dask
• 47. استفاده از Preemptible VMs برای Dask
• 48. مدیریت داده ها در Dask
• 49. خواندن و نوشتن داده ها از Cloud Storage با Dask
• 50. پارتیشن بندی داده ها در Dask
• 51. معرفی Apache Beam
• 52. مقایسه Dask و Apache Beam
• 53. Dataflow در GCP برای پردازش داده های Batch
• 54. اجرای Dask Workload ها در Dataflow
• 55. انتخاب بین Dask و Dataflow
• 56. معرفی Apache Spark
• 57. مقایسه Dask و Apache Spark
• 58. Dataproc در GCP برای پردازش داده های Big Data
• 59. اجرای Dask Workload ها در Dataproc
• 60. انتخاب بین Dask و Dataproc
• 61. ساخت Pipeline های Dask
• 62. زمانبندی Pipeline های Dask
• 63. استفاده از Airflow برای زمانبندی Dask Pipeline ها
• 64. استفاده از Cloud Composer برای زمانبندی Dask Pipeline ها
• 65. مدیریت Dependency ها در Dask
• 66. استفاده از Conda برای مدیریت Dependency ها
• 67. استفاده از Virtualenv برای مدیریت Dependency ها
• 68. تست کردن کد Dask
• 69. نوشتن تست های Unit برای Dask
• 70. نوشتن تست های Integration برای Dask
• 71. دیباگ کردن کد Dask
• 72. استفاده از Debugger های پایتون برای Dask
• 73. استفاده از Dask Profiler برای دیباگ
• 74. بهترین شیوه های کدنویسی Dask
• 75. استفاده از Collection ها در Dask
• 76. استفاده از Array در Dask
• 77. استفاده از Bag در Dask
• 78. استفاده از Delayed در Dask
• 79. الگوهای طراحی Dask
• 80. الگوهای طراحی برای محاسبات موازی
• 81. الگوهای طراحی برای پردازش داده های Big Data
• 82. مثال های عملی از Dask در GCP
• 83. پردازش داده های مالی با Dask در GCP
• 84. پردازش داده های تصویری با Dask در GCP
• 85. پردازش داده های متنی با Dask در GCP
• 86. پیاده سازی Machine Learning با Dask در GCP
• 87. آموزش مدل های Machine Learning با Dask
• 88. ارزیابی مدل های Machine Learning با Dask
• 89. استقرار مدل های Machine Learning با Dask
• 90. استفاده از Dask ML
• 91. Dask و GPU
• 92. استفاده از GPU ها در Dask
• 93. استفاده از RAPIDS با Dask
• 94. Deep Learning با Dask در GCP
• 95. توزیع آموزش Deep Learning با Dask
• 96. استفاده از TensorFlow با Dask
• 97. استفاده از PyTorch با Dask
• 98. بررسی موردی: یک برنامه کاربردی Batch با Dask در GCP
• 99. نکات پیشرفته Dask
• 100. جمع بندی و گام های بعدی