Data Engineering on Azure

ویرایش:  
نویسندگان: Vlad Riscutia  
سری:  
ISBN (شابک) : 1617298921, 9781617298929 
ناشر: Manning Publications 
سال نشر: 2021 
تعداد صفحات: 0 
زبان: English 
فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 7 مگابایت 

قیمت کتاب (تومان) : 28,000

یک پلت فرم داده مطابق با استانداردهای پیشرو در صنعت که توسط زیرساخت خود مایکروسافت تنظیم شده است بسازید. خلاصه در مهندسی داده در Azure یاد خواهید گرفت که چگونه: خدمات مناسب Azure را برای سناریوهای مختلف داده انتخاب کنید مدیریت موجودی داده ها اجرای مدل‌سازی داده‌های با کیفیت تولید، تحلیل‌ها و بارهای کاری یادگیری ماشین مدیریت داده ها استفاده از DevOps برای افزایش قابلیت اطمینان بلع، ذخیره و توزیع داده ها اعمال بهترین شیوه ها برای انطباق و کنترل دسترسی مهندسی داده در Azure الگوهای مدیریت داده و تکنیک هایی را نشان می دهد که از زیرساخت داده عظیم مایکروسافت پشتیبانی می کند. نویسنده Vlad Riscutia، مهندس داده در مایکروسافت، به شما می آموزد که دقت مهندسی را به پلتفرم داده خود بیاورید و اطمینان حاصل کنید که نمونه های اولیه داده شما به همان اندازه تحت فشار تولید عمل می کنند. شما الگوهای مدل‌سازی داده‌های رایج را پیاده‌سازی خواهید کرد، پلتفرم‌های داده بومی ابری را در Azure برپا خواهید کرد و با DevOps هم برای تجزیه و تحلیل و هم برای یادگیری ماشینی دست خواهید یافت. خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالب‌های PDF، Kindle و ePub از انتشارات منینگ است. درباره فناوری پلتفرم های داده ای امن و پایدار بسازید که می توانند در هر اندازه ای مقیاس شوند. وقتی پروژه ای از آزمایشگاه به مرحله تولید می رسد، به این اطمینان نیاز دارید که می تواند در برابر چالش های دنیای واقعی مقاومت کند. این کتاب به شما می آموزد که زیرساخت داده های مبتنی بر ابر را طراحی و پیاده سازی کنید که به راحتی می توانید نظارت، مقیاس و اصلاح کنید. درباره کتاب در مهندسی داده در Azure، مهارت‌هایی را که برای ساخت و نگهداری پلتفرم‌های کلان داده در شرکت‌های بزرگ نیاز دارید، یاد خواهید گرفت. این راهنمای ارزشمند شامل راهنمایی روشن و عملی برای راه‌اندازی زیرساخت‌ها، ارکستراسیون، حجم کاری و حکومت است. در حین حرکت، خطوط لوله یادگیری ماشینی کارآمد را راه‌اندازی می‌کنید و سپس به راه‌حل‌های اتوماسیون صرفه‌جویی در زمان و DevOps مسلط خواهید شد. بازتولید نمونه های مبتنی بر Azure در دیگر پلتفرم های ابری آسان است. چه چیزی در داخل است موجودی داده و حاکمیت داده از کیفیت، انطباق و توزیع داده ها اطمینان حاصل کنید ساخت خطوط لوله خودکار برای افزایش قابلیت اطمینان داده ها را بلع، ذخیره و توزیع کنید مدل سازی داده با کیفیت تولید، تجزیه و تحلیل و یادگیری ماشین درباره خواننده برای مهندسان داده آشنا با محاسبات ابری و DevOps. درباره نویسنده Vlad Riscutia یک معمار نرم افزار در مایکروسافت است. فهرست مطالب 1 مقدمه بخش 1 زیرساخت 2 ذخیره سازی 3 DevOps 4 ارکستراسیون بخش 2 بار کاری 5 پردازش 6 تجزیه و تحلیل 7 یادگیری ماشینی بخش 3 حکومت داری 8 فراداده 9 کیفیت داده ها 10 رعایت 11 توزیع داده ها

Build a data platform to the industry-leading standards set by Microsoft's own infrastructure. Summary In Data Engineering on Azure you will learn how to: Pick the right Azure services for different data scenarios Manage data inventory Implement production quality data modeling, analytics, and machine learning workloads Handle data governance Using DevOps to increase reliability Ingesting, storing, and distributing data Apply best practices for compliance and access control Data Engineering on Azure reveals the data management patterns and techniques that support Microsoft's own massive data infrastructure. Author Vlad Riscutia, a data engineer at Microsoft, teaches you to bring an engineering rigor to your data platform and ensure that your data prototypes function just as well under the pressures of production. You'll implement common data modeling patterns, stand up cloud-native data platforms on Azure, and get to grips with DevOps for both analytics and machine learning. Purchase of the print book includes a free eBook in PDF, Kindle, and ePub formats from Manning Publications. About the technology Build secure, stable data platforms that can scale to loads of any size. When a project moves from the lab into production, you need confidence that it can stand up to real-world challenges. This book teaches you to design and implement cloud-based data infrastructure that you can easily monitor, scale, and modify. About the book In Data Engineering on Azure you'll learn the skills you need to build and maintain big data platforms in massive enterprises. This invaluable guide includes clear, practical guidance for setting up infrastructure, orchestration, workloads, and governance. As you go, you'll set up efficient machine learning pipelines, and then master time-saving automation and DevOps solutions. The Azure-based examples are easy to reproduce on other cloud platforms. What's inside Data inventory and data governance Assure data quality, compliance, and distribution Build automated pipelines to increase reliability Ingest, store, and distribute data Production-quality data modeling, analytics, and machine learning About the reader For data engineers familiar with cloud computing and DevOps. About the author Vlad Riscutia is a software architect at Microsoft. Table of Contents 1 Introduction PART 1 INFRASTRUCTURE 2 Storage 3 DevOps 4 Orchestration PART 2 WORKLOADS 5 Processing 6 Analytics 7 Machine learning PART 3 GOVERNANCE 8 Metadata 9 Data quality 10 Compliance 11 Distributing data