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. آیا می خواهید یک لیست از 100 سرفصل برای دوره آموزشی Google Cloud Platform: Batch Application Deployment and Management with Dask (Advanced Distributed Computing) دریافت کنید؟
• 2. بله، لطفا.
• 3. مقدمه ای بر دوره و اهداف آموزشی
• 4. پیش نیازهای دوره: دانش برنامه نویسی پایتون
• 5. پیش نیازهای دوره: مفاهیم اولیه ابر و GCP
• 6. پیش نیازهای دوره: آشنایی با خط فرمان لینوکس
• 7. نصب و راه اندازی محیط توسعه
• 8. معرفی Google Cloud Platform (GCP) و خدمات اصلی
• 9. مروری بر مفاهیم پردازش ابری
• 10. آشنایی با انواع ماشین های مجازی در GCP
• 11. آشنایی با فضای ذخیره سازی در GCP
• 12. آشنایی با شبکه در GCP
• 13. معرفی Dask و کاربرد آن در محاسبات توزیع شده
• 14. نصب و راه اندازی Dask
• 15. آشنایی با Dask Arrays
• 16. آشنایی با Dask DataFrames
• 17. آشنایی با Dask Delayed
• 18. مروری بر معماری های محاسباتی توزیع شده
• 19. مقایسه Dask با سایر فریمورک های محاسباتی توزیع شده
• 20. پیکربندی اولیه Dask در حالت تک ماشین
• 21. اجرای مثال های ساده Dask در حالت تک ماشین
• 22. معرفی Google Compute Engine (GCE)
• 23. ایجاد و مدیریت نمونه های Compute Engine
• 24. پیکربندی شبکه برای نمونه های Compute Engine
• 25. اتصال به نمونه های Compute Engine از طریق SSH
• 26. استقرار Dask در Compute Engine
• 27. پیکربندی Dask برای استفاده از Compute Engine
• 28. راه اندازی یک کلاستر Dask بر روی Compute Engine
• 29. تست عملکرد Dask در محیط Compute Engine
• 30. نظارت بر عملکرد کلاستر Dask
• 31. عیب یابی مشکلات رایج در Dask و Compute Engine
• 32. معرفی Google Cloud Storage (GCS)
• 33. بارگذاری و دانلود داده ها از GCS
• 34. دسترسی به GCS از داخل کلاستر Dask
• 35. استفاده از GCS برای ذخیره داده های میانی
• 36. بهینه سازی دسترسی به داده ها از GCS
• 37. معرفی Google Kubernetes Engine (GKE)
• 38. مفاهیم اولیه Kubernetes
• 39. ایجاد و مدیریت کلاستر GKE
• 40. استقرار Dask بر روی GKE
• 41. پیکربندی Dask برای استفاده از GKE
• 42. راه اندازی یک کلاستر Dask در GKE با استفاده از Helm
• 43. مقیاس گذاری خودکار کلاستر Dask در GKE
• 44. نظارت بر کلاستر Dask در GKE
• 45. معرفی Google Cloud Dataproc
• 46. ایجاد و مدیریت کلاستر Dataproc
• 47. استقرار Dask بر روی Dataproc
• 48. پیکربندی Dask برای استفاده از Dataproc
• 49. مقایسه Dataproc با GKE و Compute Engine برای Dask
• 50. انتخاب مناسب ترین سرویس GCP برای Dask
• 51. معرفی کتابخانه های محاسباتی عددی در پایتون (NumPy, Pandas)
• 52. پیاده سازی عملیات های NumPy با استفاده از Dask Arrays
• 53. پیاده سازی عملیات های Pandas با استفاده از Dask DataFrames
• 54. خواندن و نوشتن داده ها با فرمت های مختلف (CSV, Parquet, ...)
• 55. کار با مجموعه داده های بزرگ با استفاده از Dask
• 56. تجزیه و تحلیل داده ها با Dask و GCP
• 57. پردازش داده های حجیم با Dask در GCS
• 58. فیلتر کردن و مرتب سازی داده ها با Dask
• 59. تجمیع و گروه بندی داده ها با Dask
• 60. بهینه سازی عملکرد Dask
• 61. استفاده از Dask برای یادگیری ماشین
• 62. ادغام Dask با کتابخانه های یادگیری ماشین (scikit-learn, XGBoost)
• 63. آموزش مدل های یادگیری ماشین بر روی داده های بزرگ با Dask
• 64. ارزیابی مدل های یادگیری ماشین با Dask
• 65. انتخاب و تنظیم هایپرپارامترها با Dask
• 66. معرفی Google Cloud Functions
• 67. ایجاد و استقرار توابع Cloud Functions
• 68. فراخوانی توابع Cloud Functions از کلاستر Dask
• 69. استفاده از Cloud Functions برای پردازش داده ها
• 70. مدیریت وظایف و گردش کارها با Dask و Cloud Functions
• 71. معرفی Google Cloud Pub/Sub
• 72. استفاده از Pub/Sub برای دریافت داده های بلادرنگ
• 73. پردازش داده های بلادرنگ با Dask
• 74. ادغام Dask با Pub/Sub
• 75. مدیریت و مانیتورینگ سیستم های Dask
• 76. استفاده از ابزارهای مانیتورینگ GCP (Cloud Monitoring, Cloud Logging)
• 77. جمع آوری و تحلیل لاگ های Dask
• 78. ایجاد داشبورد برای نظارت بر کلاستر Dask
• 79. بهینه سازی هزینه های محاسباتی
• 80. استفاده از ماشین های مجازی با قیمت های مختلف
• 81. استفاده از Spot VMs
• 82. استفاده از Reserved Instances
• 83. بهینه سازی مصرف منابع در Dask
• 84. امنیت در GCP و Dask
• 85. پیاده سازی امنیت در سطح شبکه
• 86. مدیریت دسترسی و مجوزها در GCP
• 87. رمزگذاری داده ها در حالت استراحت و در حال انتقال
• 88. بررسی اجمالی معماری های پیچیده Dask
• 89. پیاده سازی گردش کارهای پیچیده با Dask
• 90. استفاده از Dask برای پردازش داده های زمانی
• 91. استفاده از Dask برای پردازش داده های جغرافیایی
• 92. ادغام Dask با ابزارهای داده کاوی
• 93. استفاده از Dask در محیط های مختلف (Jupyter Notebook, اسکریپت ها)
• 94. توسعه برنامه های Dask مقیاس پذیر
• 95. استقرار و مدیریت برنامه های Dask در محیط های تولید
• 96. عیب یابی و رفع مشکلات در محیط های تولید
• 97. بهترین روش ها برای استقرار و مدیریت Dask در GCP
• 98. آینده Dask و GCP
• 99. منابع و مستندات تکمیلی
• 100. جمع بندی و نتیجه گیری