دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [2 ed.] نویسندگان: Has Altaiar, Jack Lee, and Michael Peña سری: ISBN (شابک) : 9781800202436 ناشر: Packt Publishing Pvt. Ltd. سال نشر: 2021 تعداد صفحات: زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 15 Mb
در صورت تبدیل فایل کتاب Cloud Analytics with Microsoft Azure, Second Edition به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Cloud Analytics با Microsoft Azure ، نسخه دوم نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
یاد بگیرید که با استفاده از طیف وسیعی از ویژگی های Microsoft Azure، اطلاعات عملی را از داده های بزرگ خود در زمان واقعی استخراج کنید. ویژگی های کلیدی: به روز شده با جدیدترین ویژگی ها و افزوده های جدید Microsoft Azure به اصول تجزیه و تحلیل ابری با استفاده از Azure آموزش استفاده از Azure Synapse Analytics (که قبلاً شناخته شده بود). به عنوان Azure SQL Data Warehouse) برای استخراج بینش مشتری در زمان واقعی توضیحات کتاب: Cloud Analytics با Microsoft Azure به عنوان راهنمای جامعی برای تجزیه و تحلیل و پردازش کلان داده ها با استفاده از طیف وسیعی از ویژگی های Microsoft Azure عمل می کند. این کتاب همه چیزهایی را که برای ایجاد انبار داده خود نیاز دارید و تکنیک های متعددی را برای به دست آوردن بینش مفید با تجزیه و تحلیل داده های بزرگ یاد می گیرید، پوشش می دهد. این کتاب با معرفی قدرت داده ها با تجزیه و تحلیل داده های بزرگ، اینترنت اشیا (IoT)، یادگیری ماشینی، هوش مصنوعی و DataOps آغاز می شود. شما در مورد تجزیه و تحلیل در مقیاس ابری و خدماتی که Microsoft Azure برای توانمندسازی کسب و کارها برای کشف اطلاعات ارائه می دهد، یاد خواهید گرفت. همچنین با ویژگی ها و قابلیت های جدید اضافه شده به انبار داده مدرن آشنا خواهید شد. در نهایت، دو مورد استفاده تجاری در دنیای واقعی را برای نشان دادن راه حل های سطح بالا با استفاده از Microsoft Azure مشاهده خواهید کرد. هدف از این موارد استفاده نشان دادن چگونگی تجزیه و تحلیل داده های بلادرنگ در Azure برای به دست آوردن بینش های معنی دار و تصمیم گیری های تجاری خواهد بود. شما یاد خواهید گرفت که با یادگیری ماشینی و مفاهیم یادگیری عمیق، یک خط لوله تجزیه و تحلیل سرتاسر بر روی ابر ایجاد کنید. در پایان این کتاب، شما در تجزیه و تحلیل حجم زیادی از داده ها با Azure و استفاده موثر از آن برای منافع سازمان خود مهارت خواهید داشت. آنچه خواهید آموخت: مفاهیم انبارهای داده مدرن و خطوط لوله داده را کاوش کنید ملاحظات طراحی منحصر به فرد را در حین به کارگیری راه حل تجزیه و تحلیل ابری طراحی کنید خط لوله تجزیه و تحلیل انتها به انتها بر روی ابر تمایز بین داده های ساختاریافته، نیمه ساختار یافته و بدون ساختار را انتخاب کنید. سرویس مبتنی بر ابر برای راهحلهای تجزیه و تحلیل دادههای خود از سرویسهای Azure برای جذب، ذخیره و تجزیه و تحلیل دادهها در هر مقیاسی استفاده کنید این کتاب برای چه کسی است: این کتاب برای بهرهمندی از مهندسان نرمافزار، توسعهدهندگان Azure، مشاوران ابری و هر کسی که مشتاق است طراحی شده است. فرآیند استخراج بینش تجاری از حجم عظیمی از داده ها را با استفاده از Azure بیاموزید. اگرچه لازم نیست، اما درک اولیه از مفاهیم تجزیه و تحلیل داده مانند جریان داده، انواع داده، چرخه زندگی یادگیری ماشین و ظروف Docker به شما کمک می کند تا بیشترین بهره را از کتاب ببرید.
Learn to extract actionable insights from your big data in real time using a range of Microsoft Azure features Key Features: Updated with the latest features and new additions to Microsoft Azure Master the fundamentals of cloud analytics using Azure Learn to use Azure Synapse Analytics (formerly known as Azure SQL Data Warehouse) to derive real-time customer insights Book Description: Cloud Analytics with Microsoft Azure serves as a comprehensive guide for big data analysis and processing using a range of Microsoft Azure features. This book covers everything you need to build your own data warehouse and learn numerous techniques to gain useful insights by analyzing big data. The book begins by introducing you to the power of data with big data analytics, the Internet of Things (IoT), machine learning, artificial intelligence, and DataOps. You will learn about cloud-scale analytics and the services Microsoft Azure offers to empower businesses to discover insights. You will also be introduced to the new features and functionalities added to the modern data warehouse. Finally, you will look at two real-world business use cases to demonstrate high-level solutions using Microsoft Azure. The aim of these use cases will be to illustrate how real-time data can be analyzed in Azure to derive meaningful insights and make business decisions. You will learn to build an end-to-end analytics pipeline on the cloud with machine learning and deep learning concepts. By the end of this book, you will be proficient in analyzing large amounts of data with Azure and using it effectively to benefit your organization. What You Will Learn: Explore the concepts of modern data warehouses and data pipelines Discover unique design considerations while applying a cloud analytics solution Design an end-to-end analytics pipeline on the cloud Differentiate between structured, semi-structured, and unstructured data Choose a cloud-based service for your data analytics solutions Use Azure services to ingest, store, and analyze data of any scale Who this book is for: This book is designed to benefit software engineers, Azure developers, cloud consultants, and anyone who is keen to learn the process of deriving business insights from huge amounts of data using Azure. Though not necessary, a basic understanding of data analytics concepts such as data streaming, data types, the machine learning life cycle, and Docker containers will help you get the most out of the book.
Cover FM Table of Contents Preface Chapter 1: Introducing analytics on Azure The power of data Big data analytics Internet of Things (IoT) Machine learning Artificial intelligence (AI) DataOps Why Microsoft Azure? Security Cloud scale Top business drivers for adopting data analytics in the cloud Rapid growth and scale Reducing costs Driving innovation Why do you need a modern data warehouse? Bringing your data together Creating a data pipeline Data ingestion Data storage Data pipeline orchestration and monitoring Data sharing Data preparation Data transform, predict, and enrich Data serve Data visualization Smarter applications Summary Chapter 2: Introducing the Azure Synapse Analytics workspace and Synapse Studio What is Azure Synapse Analytics? Why do we need Azure Synapse Analytics? Customer challenges Azure Synapse Analytics to the rescue Deep dive into Azure Synapse Analytics Introducing the Azure Synapse Analytics workspace Free Azure account Quickstart guide Introducing Synapse Studio Launching Synapse Studio Provisioning a dedicated SQL pool Exploring data in the dedicated SQL pool Creating an Apache Spark pool Integrating with pipelines The Monitor hub Summary Chapter 3: Processing and visualizing data Power BI Features and benefits Power BI and Azure Synapse Analytics Features and benefits Quick start guide (Data modeling and visualization) Machine learning on Azure ML.NET Automated machine learning Cognitive services Bot framework Azure Machine Learning features and benefits Software Development Kit (SDK) Designer AutoML Flexible deployment targets Accelerated Machine Learning Operations (MLOps) Azure Machine Learning and Azure Synapse Analytics Quick start guide (Azure Machine Learning) Prerequisites Creating a machine learning model using Designer Summary Chapter 4: Business use cases Use case 1: Real-time customer insights with Azure Synapse Analytics The problem Capturing and processing new data Bringing all the data together Finding insights and patterns in data Real-time discovery Design brainstorming Data ingestion Data storage Data science Dashboards and reports The solution Data flow Azure services Azure Data Lake Storage Gen2 Azure Synapse Analytics Azure Synapse Hybrid Integration (Pipelines) Power BI Azure supporting services Insights and actions Reducing waste by 18% Social media trends drive sales up by 14% Conclusion Use case 2: Using advanced analytics on Azure to create a smart airport The problem Business challenges Technical challenges Design brainstorming Data sources Data storage Data ingestion Security and access control Discovering patterns and insights The solution Why Azure for NIA? Solution architecture Azure services Azure Synapse Analytics Azure Cosmos DB Azure Machine Learning Azure Container Registry Azure Kubernetes Service Power BI Supporting services Insights and actions Reducing flight delays by 17% using predictive analytics Reducing congestion and improving retail using smart visualization Conclusion Chapter 5: Conclusion Final words For further learning Index