دانلود ها ی دارای تگ: "اُریلی"

110 مورد برای عبارت مورد نظر پیدا شد.

دانلود O'Reilly Learning Path: Scaling Python for Big Data - آموزش توسعه پایتون برای داده های حجیم

  • بازدید: 13,609
دانلود O'Reilly Learning Path: Scaling Python for Big Data - آموزش توسعه پایتون برای داده های حجیم
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. مقیاس بزرگ‌ داده، به طور مداوم در حال رشد از محدوده چند ۱۰ ترابایت به چندین پتابایت، در یک مجموعه داده واحد است. نـمونه‌هایی از بزرگ‌ داده، گــزارش‌ های وبی، سامانه‌ های بازشناسی با امواج رادیویی، شبکه‌های حسگر، شبکه‌های اجتماعی، متون و اسناد اینترنتی، نمایه‌های جستجوهای اینترنتی، نجوم، مدارک پزشکی، آرشیو عکس، آرشیو ویدیو، پژوهش‌های زمین‌شناسی و تجارت در مقیاس بزرگ هستند.
در دوره آموزشی O'Reilly Learning Path: Scaling Python for Big Data با توسعه اپ های پایتون برای کار با داده های حجیم آشنا می شوید.

دانلود O'Reilly Learning Path: Beginning Java, 2nd Edition - آموزش شروع کار با جاوا، ویرایش دوم

  • بازدید: 14,719
دانلود O'Reilly Learning Path: Beginning Java, 2nd Edition - آموزش شروع کار با جاوا، ویرایش دوم
جاوا JAVA یک زبان برنامه نویسی است که درسال 1994 توسط یکی از مهندسین شرکت سان (sun) به نام جیمز گوسلینگ نوشته شد. جیمز از نوشتن برنامه با ++C خسته شده بود و جاوا را برای رفع نیازهای خود طراحی کرد. مثل لینوکس ترودلز که لینوکس (Linux) را برای استفاده خود پدید آورد. جیمز ابتدا نام این برنامه را oak گذاشت. در آن‌زمان شرکت sun از توسعه oak منصرف شد ولی با پیشرفت و گسترش اینترنت و مشخص شدن قابلیت های برنامه و تطابق بعضی ویژگی های آن با نیازهای اینترنت شرکت sun پروژه oak را فعال نمود و نام جاوا را برای آن برگزید. نام جاوا از Jsut Another Vague Acronym گرفته شده است و دلیل آن این بود که تیم برنامه نویسان جاوا به قهوه خیلی علاقه داشتند. این موضوع در لوگوی جاوا هم مشهود است!!
در دوره آموزشی O'Reilly Learning Path: Beginning Java, 2nd Edition با جاوا و ویژگی های آن به طور کامل آشنا می شوید.

دانلود O'Reilly Learning Path: Hadoop, 2nd Edition - آموزش هادوپ، ویرایش دوم

  • بازدید: 13,304
دانلود O'Reilly Learning Path: Hadoop, 2nd Edition - آموزش هادوپ، ویرایش دوم
هادوپ یک نرم افزار کد باز (Open source) است که برای تقسیم بندی و توزیع فایل های متمرکز به کار می رود. هادوپ تحت لیسانس آپاچی (Apache) ارائه می شود و توسط جاوا برنامه نویسی شده است. امّا هادوپ چگونه به وجود آمد؟ شرکت گوگل در پی افزایش حجم تبادل اطلاعات، به دنبال راه حلّی برای افزایش سرعت و راندمان سرورهای خود بود که سیستم توزیع (Distribution) منحصر به فردی برای خود ابداع کرد به نام GFS که مخفف Google File System بود. در پی این موفقیت، انجمن توزیع Apache به فکر گسترش این تکنولوژی در سطح وسیع تری افتاد و سیستم هادوپ به وجود آمد. هادوپ یک فریم ورک یا مجموعه ای از نرم افزارها و کتابخانه هایی است که ساز و کار پردازش حجم عظیمی از داده های توزیع شده را فراهم می کند. در واقع Hadoop را می توان به یک سیستم عامل تشبیه کرد که طراحی شده تا بتواند حجم زیادی از داده ها را بر روی ماشین های مختلف پردازش و مدیریت کند.
در دوره آموزشی O'Reilly Learning Path: Hadoop, 2nd Edition با ویرایش دوم آموزش هادوپ و ویژگی های آن آشنا می شوید.

دانلود O'Reilly Learning Node.js, Second Edition - آموزش نود جی اس، ویرایش دوم

  • بازدید: 13,842
دانلود O'Reilly Learning Node.js, Second Edition - آموزش نود جی اس، ویرایش دوم
 Node.js یک پلتفرم کدنویسی سمت سرور است که بر پایه موتور جاوا اسکریپت مرورگر گوگل‌ کروم کدنویسی شده است. این پلتفرم توسط رایان داهل در سال ۲۰۰۹ ایجاد شده است. بر اساس اعلان مستندات رسمی تعریف Node.Js به شکل زیر عنوان می‌شود. Node.js یک پلتفرم ایجاد شده بر پایه موتور جاوا اسکریپت گوگل کروم است که باعث سهولت ایجاد و مقیاس‌پذیری برنامه‌های تحت شبکه می‌شود. این پلتفرم از یک مدل I/O رویداد محور استفاده می‌کند که مسدود نشونده (non-blocking) است و همین امر باعث کاهش فشار موجود بر روی سرور و افزایش کارآیی می‌شود و این امر برای اجرای برنامه‌های مبتنی بر داده که بصورت بلادرنگ (Real-Time) بر روی سرورهای نامتمرکز استفاده می‌شوند بسیار مناسب است.  Node.js یک پلتفرم کد باز برای گسترش برنامه‌های سمت سرور و تحت شبکه است. این پلتفرم بر اساس زبان جاوا اسکریپت نوشته شده است و قابلیت پیاده‌سازی بر روی سیستم‌عامل‌های ویندوز، لینوکس و سیستم عامل کامپیوترهای اپل را دارد. این فریم ورک کتابخانه‌ای عظیم از ماژول‌های مختلف جاوا اسکریپت را فراهم می‌کند که سهولت در گسترش وب‌اپلیکیشن ها را تا حد زیادی فراهم می‌آورد.
در دوره آموزشی O'Reilly Learning Node.js, Second Edition با ویرایش دوم آموزش نود جی اس که توسط کمپانی اُریلی اراده شده است آشنا می شوید.

دانلود O'Reilly Learning Path: Become Fluent in Python - آموزش پایتون به شکل روان و سلیس

  • بازدید: 20,047
دانلود O'Reilly Learning Path: Become Fluent in Python - آموزش پایتون به شکل روان و سلیس
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.

دانلود O'Reilly Learning Presto DB - آموزش پایگاه داده پرستو

  • بازدید: 5,467
دانلود O'Reilly Learning Presto DB - آموزش پایگاه داده پرستو
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.

دانلود O'Reilly Building Microservice Systems with Docker and Kubernetes - آموزش ساخت سیستم های مایکرو سرویس با داکر و کوبرنتس

  • بازدید: 12,944
دانلود O'Reilly Building Microservice Systems with Docker and Kubernetes - آموزش ساخت سیستم های مایک
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.

دانلود O'Reilly Learning Path: Enterprise Integration and Batch Processing with Spring - آموزش توسعه ادغام سازمانی و پردازش دسته ای با چارچوب اسپرینگ

  • بازدید: 12,763
دانلود O'Reilly Learning Path: Enterprise Integration and Batch Processing with Spring - آموزش توسعه
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.

دانلود O'Reilly Data Pipelines with Python - آموزش داده های پایپ لاین با پایتون

  • بازدید: 10,846
دانلود O'Reilly Data Pipelines with Python - آموزش داده های پایپ لاین با پایتون
pipeline، مجموعه ای از عناصر(مراحل) پردازش داده است که بصورت 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.

دانلود O'Reilly Learning Path: Introduction to Data Science with R - آموزش مقدماتی علوم داده با آر

  • بازدید: 16,711
دانلود O'Reilly Learning Path: Introduction to Data Science with R - آموزش مقدماتی علوم داده با آر
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.