پی سی دانلود - oreilly

پایتون (Python) یک زبان برنامه‌نویسی همه منظوره، سطح بالا، شیءگرا و مفسر است که توسط خودو فان روسوم (به هلندی: Guido van Rossum) در سال ۱۹۹۱ در کشور هلند طراحی شد. فلسفهٔ ایجاد آن تأکید بر دو هدف اصلی خوانایی بالای برنامه‌های نوشته شده و کوتاهی و بازدهی نسبی بالای آن است. کلمات کلیدی و اصلی این زبان به صورت حداقلی تهیه شده‌اند و در مقابل کتابخانه‌هایی که در اختیار کاربر است بسیار وسیع هستند. بر خلاف برخی زبان‌های برنامه‌نویسی رایج دیگر که بلاک‌های کد در آکولاد تعریف می‌شوند (به‌ویژه زبان‌هایی که از گرامر زبان سی پیروی می‌کنند) در زبان پایتون از نویسه فاصله و جلوبردن متن برنامه برای مشخص کردن بلاک‌های کد استفاده می‌شود. به این معنی که تعدادی یکسان از نویسه فاصله در ابتدای سطرهای هر بلاک قرار می‌گیرند، و این تعداد در بلاک‌های کد درونی‌تر افزایش می‌یابد. بدین ترتیب بلاک‌های کد به صورت خودکار ظاهری مرتب دارند. پایتون مدل‌های مختلف برنامه‌نویسی (از جمله شیء گرا و برنامه‌نویسی دستوری و تابع محور) را پشتیبانی می‌کند و برای مشخص کردن نوع متغییرها از یک سامانهٔ پویا استفاده می‌کند. این زبان از زبان‌های برنامه‌نویسی مفسر بوده و به صورت کامل یک زبان شی‌گرا است که در ویژگی‌ها با زبانهای تفسیری پرل، روبی، اسکیم، اسمال‌تاک و تی‌سی‌ال مشابهت دارد و از مدیریت خودکار حافظه استفاده می‌کند. پایتون پروژه‌ای آزاد و متن‌باز توسعه‌یافته‌است و توسط بنیاد نرم‌افزار پایتون مدیریت می‌گردد.
در دوره آموزشی O'Reilly Learning Path: Become Fluent in Python به طور کامل با پایتون و ویژگی های آن آشنا می شوید به طوری که در توسعه به شکل کاملا روان و سلیس قادر به برنامه نویسی خواهید بود.

Presto DB یک پایگاه داده متن باز و توزیع شده است که موتور آن کوئری های ANSI SQL را در محیط های تعاملی اجرا می کند. این پایگاه داده قابلیت آنالیز و اجرای کوئری روی سایز بزرگی از داده ها را دارد. این پایگاه داده برای ذخیره و واکشی اطلاعات در محیط های تعاملی مانند وب سایت های نسل 2 کاربرد دارد. به طور مثال فیس بوک، Netflix، Airbnb و... از این پایگاه داده استفاده می کنند.
در دوره آموزشی O'Reilly Learning Presto DB با Presto DB کار کرده و نحوه طراحی پرس و جوهای حرفه ای برای شبکه های اجتماعی را فرا می گیرید.

مایکرو سرویس یک الگوی معماری نرم‌افزار است که برنامه‌های پیچیده از کنار هم نهادن پردازشهایی خرد و ناوابسته که از راه رابط‌های زبان-ناآگاه با هم در پیوند هستند پدید می‌آیند. شرکت گوگل در کنفرانس OSCon ابزار مدیریت و استقرار مخزن متن‌باز خود موسوم به Kubernetes که از مدت‌ها قبل آماده ورود به بازار شده بود را معرفی کرد. این شرکت اعلام کرد که  نخستین نسخه  این ابزار  با نام  Kubernetes۱.۰ در محیط‌های تولیدی مورد استفاده قرار می‌گیرد. شما هر روز از این محصول استفاده می‌کنید، زیرا هر زمان که یکی از برنامه‌های گوگل از جمله جست‌وجوگر اینترنتی، جی‌میل، Docs و... را اجرا می‌کنید، فناوری کانتینر گوگل موسوم به lmctfy را مورد استفاده قرار می‌دهید. داکر برنامه های کاربردی خود را (چه فرآیند ها و چه منابع) از طریق محفظه های لینوکسی (به عنوان مثال فضاهای نام یا دیگر ویژگی های کرنل) آرشیو می کند. قابلیت های دیگر آن از خود قطعات پروژه و اجزای آن  منشا می گیرد، ویژگی هایی که همه پیچیدگی کار را با ابزارهای سطح پایین تر یا API های لینوکس که برای سیستم و مدیریت برنامه های کاربردی با توجه به امنیت فرآیندها، به کار می رود مرتفع می سازد.
در دوره آموزشی O'Reilly Building Microservice Systems with Docker and Kubernetes با نحوه ساخت سیستم های مایکرو سرویس با استفاده از داکر و کوبرنتس آشنا می شوید.

ادغام سازمانی شاخه ای از معماری سازمان است که تمرکز آن روی الکترونیکی کردن فرآیندهای سازمان می باشد. در سازمان‌های امروزی که اغلب دارای ابعاد و ساختارهای پیچیده و از نظر فیزیکی توزیع شده هستند تنها ذکر اینکه چه کارهایی باید توسط چه کسانی (شرح وظایف) انجام شود کافی نیست، بلکه فرایندها، داده‌ها، اهداف و نقش افرادی که در سازمان انجام وظیفه می‌کنند باید با اهداف و راهبردهای سازمان که در قالب برنامه‌ریزی راهبردی ارائه می‌شوند، همخوانی داشته باشد. چنین امری مستلزم آن است که سازمان دارای یک نقشه از تمام ابعاد خود باشد تا بتواند با استفاده از این نقشه، روابط بین ابعاد سازمان را درک نموده و در صورت نیاز با تغییرات هماهنگ نماید. این نقشه از سازمان، که حاوی اطلاعات افراد، فرایندها، مکان‌ها و دیگر ابعاد و خصوصیات سازمان است، معماری سازمانی نامیده می‌شود.
Java Spring Framework مشهورترین فریم ورک برای ساخت نرم افزارهای تحت وب با جاوا می باشد. در مهندسی نرم‌افزار، مدل-نما-کنترل‌گر یا ام‌وی‌سی (MVC) به یک الگوی معماری نرم‌افزار گفته می‌شود. الگوی ساختاری ام‌وی‌سی به جداسازی داده‌های کاربرد (از جملهٔ محتویات بخش مدل) از مؤلفه‌های ارائه شده به‌صورت گرافیکی (بخش نما) و منطق مربوط به پردازش ورودی‌ها (بخش کنترل‌گر) اقدام می‌نماید. هدف الگوی ساختاری ام‌وی‌سی صرفاً یکپارچگی در ساختار نرم‌افزار است و به کمک آن بدست گیری نرم‌افزار در راستای مدیریت و گسترش به سادگی انجام می‌گیرد.
در دوره آموزشی O'Reilly Learning Path: Enterprise Integration and Batch Processing with Spring به طراحی و توسعه فرآیندهای ادعام سازمانی و همچنین پردازش دسته ای اطلاعات با استفاده از چارچوب اسپرینک می پردازیم.

pipeline، مجموعه ای از عناصر(مراحل) پردازش داده است که به‌صورت سری به یکدیگر متصلند و ورودی هر عنصر، خروجی عنصر قبلی است. در تکنیک pipeline، چند دستور میتوانند در یک زمان اجرا شوند. یعنی دستورات از لحاظ زمان اجرا دارای همپوشانی هستند. فرض کنید میخواهید تعداد زیادی لباس را شسته، خشک کرده و در محلشان قرار دهید. پس ابتدا لباسها را در لباسشویی قرار داده تا شسته شوند، سپس آنها را از لباسشویی خارج کرده و در خشک کن قرار می دهید و پس از خشک شدن، از خشک کن خارج کرده و در مرحله ی بعد، در محلشان قرار میدهید. و باز به سراغ سری بعدی لباسها رفته و برای آنها نیز این مراحل را تکرار می کنید. روش دیگر برای شستن تعداد زیاد لباس این است که در ابتدا تعدادی لباس را در لباسشویی قرار داده و پس از شسته شدن، آنها را از لباسشویی خارج کرده و در خشک کن قرار می دهیم، منتهی از سوی دیگر، تعدادی لباس دیگر را وارد لباسشویی(که فعلاً بیکار است)می کنیم و... . این روش پایپ لاین نام دارد.
در دوره آموزشی O'Reilly Data Pipelines with Python با پیاده سازی متد داده های پایپ لاین با استفاده از پایتون آشنا می شوید.

علم داده (Data Science)، دانشی میان‌رشته‌ای پیرامون استخراج دانش و آگاهی از مجموعه‌ای داده و اطلاعات است. علم داده از ترکیب مباحث مختلفی به وجود آمده و بر مبانی و روش‌های موجود در حوزه‌های مختلف علمی بنا شده‌است. تعدادی از این حوزه‌ها عبارتند از: ریاضیات، آمار، مهندسی داده، بازشناخت الگو و... هدف این علم، استخراج مفهوم از داده و تولید محصولات داده‌محور است. R، یک زبان برنامه‌نویسی و محیط نرم‌افزاری برای محاسبات آماری و علم داده‌ها است، که بر اساس زبان‌های اس و اسکیم پیاده‌سازی شده است. این نرم‌افزار متن باز، تحت اجازه‌نامه عمومی همگانی گنو عرضه شده و به رایگان قابل دسترس است. زبان اس بجز R، توسط شرکت Insightful، در نرم‌افزار تجاری اس‌پلاس نیز پیاده‌سازی شده است. اگرچه دستورات اس‌پلاس و R بسیار شبیه است لیکن این دو نرم‌افزار دارای هسته‌های متمایزی می‌باشند. R، حاوی محدودهٔ گسترده‌ای از تکنیک‌های آماری (از جمله: مدل‌سازی خطی و غیرخطی، آزمون‌های کلاسیک آماری، تحلیل سری‌های زمانی، رده‌بندی، خوشه‌بندی و غیره) و قابلیت‌های گرافیکی است. در محیط R، کدهای سی، سی++ و فورترن قابلیت اتصال و فراخوانی هنگام اجرای برنامه را دارند و کاربران خبره می‌توانند توسط کدهای سی، مستقیماً اشیا R را تغییر دهند.
در دوره آموزشی O'Reilly Learning Path: Introduction to Data Science with R با علوم داده و زبان آر جهت تغییر داده ها، شبیه سازی و مدل سازی داده ها آشنا می شوید.

کسب مدارک تخصصی در دوره های آموزشی Cisco CCNA برای ارتقاء حرفه ای متخصصان آی تی امری لازم به شمار می رود و می تواند در دنیای حرفه ای به جایگاه شغلی افراد منزلت ویژه ای ببخشد. مدرک CISCO Certified Network Associate) CCNA) در رابطه با مهارت فنی در نصب و تنظیمات و راه بری شبکه های LAN و WAN و نیز ارتباطات شبکه توسط سیستم شماره گیری تلفن برای شبکه های کوچک (100 نود و کمتر) از جمله EIGRP, Serial, Frame Relay, IP RIP, VLANs, RIP V2.0, Ethernet, Access List می باشد.
شرکت CISCO سه سطح از مدارک را جهت متخصصین IT در نظر گرفته (آشنائی (Associate)، متخصص (professional)، سطح مهارت عالی (Expert)) که دارای ابعاد متفاوتی برای بر آوردن نیاز و تقاضای افراد مختلف است. سطوح مختلف و متنوعی در مدارک CISCO موجود است. اخذ مدرک از CISCO بسیار ارزشمند است و ارزش و اعتبار والائی برای متخصصین شبکه، مدیران آن ها و شرکت هایی که این متخصصان را استخدام نموده اند، دارند.
در دوره آموزشی O'Reilly Learning Path: Cisco Routing and Switching Exam Prep برای آزمون مسیریابی و سوئیچینگ سیسکو آماده می شوید.

هدوپ توسط Doug Cutting سازنده Apache Lucene که به‌صورت گسترده برای عمیات جستجوی متن ها استفاده می شود، تولید شد. در حقیقت به وجود آمدن هدوپ از کار بر روی Nutch شروع شد. Apache Nutch یک فریم ورک متن باز برای ایجاد موتور جستجو است که به‌صورت گسترده ، عملیات جستجوی متن ها را به روشی که خزیدن یا Crawling نام گرفت انجام می دهد. ایده اولیه هدوپ اولین بار در شركت گوگل رقم خورد اما خیلی ها باور به پیاده سازی این سیستم نداشتن و در چند سال اول این ایده تنها به‌صورت تئوری مطرح بود. هدوپ امكان ذخیره سازی اطلاعات را در چندین سرور (پی سی) با هزینه ای پایین فراهم می آورد. تكنولوژی هدوپ از دو بخش كلی اچ دی اف اس یا سیستم فایل انتشاری هدوپ (Hadoop Distribition File System) و همچنین تكنیك با كیفیت پردازی اطلاعات به نام مپ ریدیوس (MapReduce) استفاده می كند. داده‌ های عظیم، ابر داده، بزرگ‌داده یا داده‌ های بزرگ (Big Data) اصطلاحی است که به مجموعه داده‌ هایی اطلاق می‌شود که مدیریت، کنترل و پردازش آنها فراتر از توانایی ابزارهای نرم‌افزاری در یک زمان قابل تحمل و مورد انتظار است.
در دوره آموزشی O'Reilly Introduction to Hadoop Security با مباحث مقدماتی امنیت در هدوپ آشنا می شوید.

elasticsearch، یک موتور جستجو و تحلیلگر توزیع شده است که برای تعامل با آن از restful api استفاده میشود، قالب ارسال و دریافت اطلاعاتش json است. اولین نسخه از elasticsearch در سال 2010 عرضه شد و در حال حاضر نسخه 5.0.1 آن هم در دسترس است. elasticsearch  با جاوا توسعه داده شده، متن باز و تحت مجوز ASL است. امکان اجازه ی ترکیب و استفاده از انواع مختلف، پاسخ دهی سریع، مقیاس پذیر، پایداری و انعطاف پذیری بالا، قابل اعتماد، ساده و شفاف، دارای امنیت، دارای تحلیل گر بلادرنگ و... از ویژگی های elasticsearch می باشد.
در دوره آموزشی O'Reilly Working with Elasticsearch کار با الاستیک سرچ را خواهید آموخت.

KNIME یک پلت‌فورم متن‌باز و یکپارچه برای تجزیه و تحلیل داده‌ها و گزارش گیری است که به زبان جاوا نوشته شده و مبتنی بر Eclipse است. KNIME از طریق مفهوم pipeline کردن داده، اجزای مختلف یادگیری ماشین و داده‌کاوی را ترکیب کرده است. در سال 2006 از KNIME در تحقیقات دارویی استفاده شد و بعدتر در زمینه‌های دیگر مانند تحلیل داده‌ها در مدیریت ارتباط با مشتری مانند تحلیل و پیش‌بینی ریزش مشتری، هوش تجاری و تحلیل داده‌ی مالی مانند رتبه‌بندی اعتبار، تحلیل شبکه‌های اجتماعی مانند تجزیه و تحلیل تمایلات و... نیز مورد استفاده قرار گرفت. KNIME به کاربران اجازه می‌دهد که به صورت بصری جریانات داده را بسازند. یکی از کلیدهای موفقیت KNIME همین فرایند Workflow است که فرایند تحلیل را همان‌طوری که درک و پیاده‌سازی شده، ذخیره می‌کند. مقیاس‌پذیری بالا از طریق مدیریت داده‌ها و catching خودکار آن‌ها، امکان توسعه‌ی زیاد و ساده از طریق APIهاس خوش‌ساخت، امکان ورودی دادن و خروجی گرفتن از Workflowها، توانایی اجرای موازی روی سیستم‌های چند هسته‌ای و... از جمله ویژگی های آن می باشد.
در دوره آموزشی O'Reilly Introduction to Data Analytics with KNIME با نحوه آنالیز داده ها با نایم آشنا می شوید.