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
دسته بندی: الگوریتم ها و ساختارهای داده ویرایش: نویسندگان: Jesse Anderson سری: ناشر: سال نشر: 2017 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Data Engineering Teams 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 تیم های مهندسی داده 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.
ایجاد تیم ها و محصولات کلان داده موفق
Creating Successful Big Data Teams and Products
Introduction About This Book Warnings and Success Stories Who Should Read This Navigating the Book Chapters Conventions Used in This Book Big Data Why Is Big Data So Much More Complicated? Distributed Systems Are Hard What Does It All Mean, Basil? What Does It Mean for Software Engineering Teams? What Does It Mean for Data Warehousing Teams? What Is a Data Engineering Team? Skills Needed in a Team Skills Gap Analysis Skill Gap Analysis Results What I Look for in Data Engineering Teams Operations Quality Assurance What Is a Data Engineer? What I Look for in Data Engineers Qualified Data Engineers Not Just Data Warehousing and DBAs Ability Gap Themes and Thoughts of a Data Engineering Team Hub of the Wheel How to Work with a Data Science Team How to Work with a Data Warehousing Team How to Work with an Analytics and/or Business Intelligence Team “How I Evaluate Teams Equipment and Resources Thought Frameworks Building Data Pipelines Knowledge of Use Case Right Tool for the Job Crawl, Walk, Run Technologies Why Do Teams Fail? Why Do Teams Succeed? Paying the Piper Some Technologies Are Just Dead Ends What if You Have Gaps and Still Have to Do It? Pre-project Steps Use Case Evaluate the Team Choose the Technologies Write the Code Evaluate Repeat Probability of Success Conclusion Best Efforts About the Author