ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Python for DevOps: Learn Ruthlessly Effective Automation

دانلود کتاب Python for DevOps: اتوماسیون موثر بی رحمانه را بیاموزید

Python for DevOps: Learn Ruthlessly Effective Automation

مشخصات کتاب

Python for DevOps: Learn Ruthlessly Effective Automation

دسته بندی: برنامه نویسی: زبان های برنامه نویسی
ویرایش: Original retail 
نویسندگان: , , ,   
سری:  
ISBN (شابک) : 149205769X, 9781492057697 
ناشر: O’Reilly Media 
سال نشر: 12 Dec 2019 
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) : 34,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Python for DevOps: Learn Ruthlessly Effective Automation 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 Python for DevOps: اتوماسیون موثر بی رحمانه را بیاموزید 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.


توضیحاتی در مورد کتاب Python for DevOps: اتوماسیون موثر بی رحمانه را بیاموزید

در دهه گذشته تغییرات زیادی در فناوری ایجاد شده است. داده ها داغ است، ابر همه جا حاضر است و بسیاری از سازمان ها به نوعی اتوماسیون نیاز دارند. در طول این تحولات، پایتون به یکی از محبوب ترین زبان ها در جهان تبدیل شده است. این منبع عملی به شما نشان می‌دهد که چگونه از Python برای کارهای روزمره مدیریت سیستم‌های لینوکس با مفیدترین ابزارهای DevOps امروزی، از جمله Docker، Kubernetes، و Terraform استفاده کنید. یادگیری نحوه تعامل و خودکارسازی با لینوکس برای میلیون ها حرفه ای ضروری است. پایتون کار را بسیار ساده تر می کند. با این کتاب، نحوه توسعه نرم افزار و حل مشکلات با استفاده از کانتینرها، و همچنین نحوه نظارت، ابزار، تست بارگذاری و عملیاتی کردن نرم افزار خود را یاد خواهید گرفت. به دنبال راه‌های موثر برای \"انجام کارها\" در پایتون هستید؟ این راهنمای شماست. • پایه های پایتون، از جمله معرفی مختصری از زبان • نحوه خودکارسازی متن، نوشتن ابزارهای خط فرمان، و خودکارسازی سیستم فایل • ابزارهای لینوکس، مدیریت بسته، سیستم های ساخت، نظارت و ابزار دقیق، و تست خودکار • رایانش ابری، زیرساخت به عنوان کد، Kubernetes، و بدون سرور • عملیات یادگیری ماشین و مهندسی داده از دیدگاه DevOps • ساخت، استقرار، و عملیاتی کردن یک پروژه یادگیری ماشین


توضیحاتی درمورد کتاب به خارجی

Much has changed in technology over the past decade. Data is hot, the cloud is ubiquitous, and many organizations need some form of automation. Throughout these transformations, Python has become one of the most popular languages in the world. This practical resource shows you how to use Python for everyday Linux systems administration tasks with today’s most useful DevOps tools, including Docker, Kubernetes, and Terraform. Learning how to interact and automate with Linux is essential for millions of professionals. Python makes it much easier. With this book, you’ll learn how to develop software and solve problems using containers, as well as how to monitor, instrument, load-test, and operationalize your software. Looking for effective ways to "get stuff done" in Python? This is your guide. • Python foundations, including a brief introduction to the language • How to automate text, write command-line tools, and automate the filesystem • Linux utilities, package management, build systems, monitoring and instrumentation, and automated testing • Cloud computing, infrastructure as code, Kubernetes, and serverless • Machine learning operations and data engineering from a DevOps perspective • Building, deploying, and operationalizing a machine learning project





نظرات کاربران