توضیحات
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
————————————————————–
ترجمه ماشینی :
یک پلت فرم داده مطابق با استانداردهای پیشرو در صنعت تنظیم شده توسط زیرساخت خود مایکروسافت بسازید.
خلاصه در مهندسی داده در Azure شما یاد خواهید گرفت که چگونه:
انتخاب سرویسهای Azure مناسب برای سناریوهای مختلف داده مدیریت موجودی داده پیادهسازی مدلسازی داده با کیفیت تولید، تحلیلها و بارهای کاری یادگیری ماشین مدیریت دادهها استفاده از DevOps برای افزایش قابلیت اطمینان جذب، ذخیره و توزیع داده ها اعمال بهترین شیوه ها برای انطباق و کنترل دسترسی
مهندسی داده در Azure الگوها و تکنیک های مدیریت داده را نشان می دهد که از زیرساخت داده عظیم خود مایکروسافت پشتیبانی می کند. نویسنده Vlad Riscutia، یک 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 رایج مدلسازی دادهها 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 آشنا خواهید شد.
خرید کتاب چاپی شامل یک کتاب الکترونیکی رایگان در قالبهای PDF، Kindle و ePub از انتشارات منینگ است.
درباره فناوری پلتفرمهای داده ایمن و پایدار بسازید که میتوانند در هر اندازهای 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 اطمینان از کیفیت دادهها، انطباق و توزیع ایجاد خطوط لوله خودکار برا
tag : دانلود کتاب مهندسی داده در Azure , Download مهندسی داده در Azure , دانلود مهندسی داده در Azure , Download Data Engineering on Azure Book , مهندسی داده در Azure دانلود , buy مهندسی داده در Azure , خرید کتاب مهندسی داده در Azure , دانلود کتاب Data Engineering on Azure , کتاب Data Engineering on Azure , دانلود Data Engineering on Azure , خرید Data Engineering on Azure , خرید کتاب Data Engineering on Azure ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.