دپارتمانمهندسی نرم افزار و ابزارهای توسعه
دوره های در حال ثبت نام
کد دوره : --
دوره آموزشی Business Intelligence

طراحی و پیاده سازی انبار داده و سیستم هوشمندسازی کسب و کار در پی هم می آیند و از نظر فنی از پروژه های جالب در حوزه فناوری اطلاعات می باشد و از نظر سازمانی پروژه های پیچیده ای محسوب می شوند. این دوره امکانی را برای سازمان شما فراهم می کند تا با موفقیت محیط انباره داده و سیستم هوشمند سازی کسب و کار را طراحی و پیاده سازی کنند.

این دوره در حقیقت چکیده سه دوره زیر می باشد:

  • SQL Server Integration Services 2014 – ETL «
  • SQL Server Analysis Service 2014 – OLAP «
  • Data Warehouse «

تمرکز این دوره ارائه مفاهیم واجب و ضروری پیاده سازی DW / BI می باشد.

این دوره مجموعه ای از تکنیک ها، تجارب و توصیه هایی است که از آغاز پروژه DW / BI که با شناخت، تحلیل و برنامه ریزی پروژه می باشد تا پیاده سازی، نگهداری و توسعه آن.

در حقیقت علاوه بر ارائه این دانش، تمرینات کلاسی، بررسی و ارائه راهکار برای مسائل و مشکلات خاصی که آن سازمان در پیاده سازی پروژه با آن روبروست نیز از برنامه این دوره خواهد بود.

این دوره برای تمامی سازمان ها، شرکت ها و گروه هایی که می خواهند پروژه ای را در حوزه BI آغاز کنند و یا در روند پیاده سازی پروژه DW/BI هستند توصیه می شود. مبنای دوره آموزش DW/BI از مباحث ابتدایی تا مباحث پیشرفته می باشد.

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

  • سه شنبه 24 دی ماه 98
  • سه شنبه 29 بهمن ماه 98
  • سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

این دوره برای تمامی افرادی که در پروژه های SQL Server Business Intelligence نقش دارند توصیه می شود. مدیران پروژه، تحلیل گر کسب و کار و مدل ساز داده، مدیران پایگاه داده، معماران نرم افزار و پیاده سازها و توسعه دهندگان ETL و برنامه های کاربردی .Business Intelligence

توانایی پس ازگذراندن دوره
  •  چگونگی تدوین نقشه راه در پروژه های DW / BI
  •  برنامه ریزی و مدیریت پروژه های  Data warehouse , Business Intelligence
  •  چگونگی تعریف نیازمندی های کسب و کار و تکنیک های مرتبط با آن و بررسی الگوهای ارائه شده در این حوزه مانند  Kimball
  •  طراحی ابعاد و تکنیک های مرتبط با آن  Star , Snowflake , Constellation
  •  آماده سازی بستر  ETL
  •  طراحی فنی و معماری لایه  ETL
  •  طراحی فیزیکی پایگاه داده
  •  استخراج، اعمال تغییرات و بارگزاری داده با استفاده از SQL Server Integration Service 2014
  •  بررسی و پیاده سازی مدل های طراحی Multi-Dimensional و Tabular با استفاده از SSAS
  •  پیاده سازی گزارشات با استفاده از  SQL Server Reporting Service 2014
  •  بررسی برنامه های کاربردی لایه نماش BI در اکسل:Power BI , Power Map .Power Query ,Data Mining
  •  پیاده سازی داشبورد مدیریتی با استفاده از سرویس Performance Point در SharePoint 2013
  •  استقرار و پشتیبانی پروژه  DW/BI
  • گسترش و بسط سیستم های  SQL Business Intelligence
سرفصلهای دوره

Introduction

  • Roadmap of project tasks

Program/Project Planning and Management

  • Readiness factors
  • Risk assessment and mitigation plans
  • Scoping and business justification
  • Team roles and responsibilities
  • Project plan development and maintenance
  • Program management

Business Requirements Definition

  • Program versus project requirements preparation
  • Requirements gathering participants
  • Techniques for gathering requirements and handling obstacles
  • Program/project requirements deliverables
  • Requirements prioritization

Dimensional Modeling

  • Role of dimensional modeling in Project, Corporate Information Factory (CIF) and hybrid architectures
  • Fact and dimension table characteristics
  • ۴-step process for designing dimensional models
  • Transaction fact tables
  • Fact table granularity
  • DE Normalizing dimension table hierarchies
  • Degenerate dimensions
  • Date and time-of-day dimension considerations
  • Dealing with nulls
  • Surrogate key for dimensions
  • Star versus snowflake schemas
  • Centipede fact tables with too many dimensions
  • Fact-less fact tables
  • Additive, semi-additive, and non-additive facts
  • Workshop: Converting requirements and source data realities into dimensional model
  • Consolidated fact tables
  • Dimension table role-playing
  • Allocated facts at different levels of detail
  • Complications with operational header/line data
  • Multiple currencies
  • Junk dimensions for miscellaneous transaction indicators
  • Periodic and accumulating snapshot fact tables
  • Implications of business processes on data architecture
  • Enterprise Data Warehouse Bus Architecture and matrix for master data and integration
  • Conformed dimensions – identical and shrunken roll-ups
  • Exercise: Translate business requirements into DW Bus Matrix
  • Slowly changing dimensions – type 1, 2, 3 and hybrid techniques for current and point-in-time attribute values
  • Mini-dimensions for large, rapidly changing dimensions
  • Exercise: Design review to identify common dimensional modeling flaws
  • Design review dos and don’ts and mistakes to avoid
  • Dimensional modeling process, tasks, and deliverables
  • Exercise: Design enhancements to embellish existing design

Mature DW/BI System Check-ups

  • Symptoms of sponsorship, data, infrastructure, and business acceptance disorders
  • Prescribed treatment plans for common maturity problems

Technical Architecture Design

  • Architecture concepts
  • Topology options – independent data marts, enterprise data warehouse, and conformed data warehouse
  • Common components and functionality
  • o ETL system
  • o Exercise: Processing slowing changing dimensions type 2
  • (o Presentation servers (RDBMS/OLAP
  • o Real time options – direct to source, ODS, and real time layer
  • o BI application types and services
  • Creating the architecture plan
  • Exercise: Translating requirements into architecture implications

Product Selection and System Setup

  • • Architecture-based evaluation approach and matrices
  • Infrastructure considerations
  • Metadata management
  • Securing the system

Physical Database Design

  • Standards and naming conventions
  • Physical model development
  • Initial aggregation, indexing and storage plans
  • Column-oriented database alternative
  • Usage monitoring

Extract, Transformation and Load

  • Design the ETL system
  • o Determine design patterns and implement key subsystems
  • o Quality assurance and data validation system
  • o Warehouse operations system
  • ETL development workflow
  • o Create high-level and detailed ETL schematics
  • Extract to create, filter and transfer source data
  • Cleaning and conforming dimensions and facts
  • ETL development workflow continued
  • Preparing and delivering dimensions and facts
  • Data integration and master data management
  • Dealing with data quality issues
  • Aggregate management
  • Load cycle management
  •  Exercise: “High-level ETL schematic” case study

BI Applications

  • BI application types (ad hoc, standard reporting, analytic applications, dashboards) and audiences
  • Specification of templates, applications and navigation framework
  • Development of applications and BI portal

DW/BI System Deployment and Support

  • System deployment
  • Communication and documentation
  • Training and support
  • On-going user, data and system maintenance

DW/BI System Growth

  • Planning for growth
مدت زمان
۷۰
هزینه دوره حضوری
۲۵۰۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
بهمن ۹۸
روزهای برگزاری
پنجشنبه ها
ساعات برگزاری
۱۶ الی ۲۰
کد دوره : --
دوره کارگاهی Scrum (مدیریت چابک)

تفکر چابک یا Agile امروزه به نیاز بسیاری از سازمان‌ها برای مدیریت نیازمندی‌های مطرح شده از طرف مشتریان تبدیل شده و در حوزه‌ی تولید نرم‌افزار اسکرام یکی از متدهای جاری کردن روح این نوع تفکر در سازمان است.

با توجه به اینکه یادگیری مفاهیم مرتبط با اسکرام با وجود منابع متعددی که در دسترس قرار دارد همواره نیاز به تمرین و پیاده‌سازی داشته است و بسیاری از سازمان‌ها با توجه به عدم شناخت و تجربه‌ی کافی، هزینه‌های زیادی را جهت اجرایی‌سازی اسکرام در سازمان می‌نمایند، این دوره‌ی کارگاهی با شبیه‌سازی فرآیندها، جلسات و نقش‌های تیم‌های اسکرام و همچنین انجام پروژه‌های کوچک، زمینه‌ی تمرین و تجربه‌ی عملی متد اسکرام و تفکر چابک را فراهم خواهد آورد.

مخاطبان دوره
  • مدیران ارشد شرکت‌های نرم‌افزاری 
  • مدیران پروژه 
  • برنامه نویس‌ها 
  • افراد درگیر در فرایند تولید نرم‌افزار
  • علاقه مندان
توانایی پس ازگذراندن دوره
  • توانایی مدیریت پروژه‌های تولید نرم‌افزار با متد چابک 
  • توانایی شناخت و تمرین نقش‌های اسکرام در تیم 
  • توانایی مشارکت در تیم‌های اسکرام به صورت فعال و تاثیرگذار 
  • توانایی مهاجرت از روش‌های سنتی مدیریت پروژه به روش‌های چابک
سرفصلهای دوره
  • Agile manifesto
  • •    Values & principles
  • •    Scrum Framework
  • •    Product Backlig
  • •    Backlig Grooming
  • •    Estimation
  • •    Release Planning
  • Teams
  • •    Distributed Scrum
  • •    Scrum Roles
  • •    Sprint Planning
  • •    Sprint Execution
  • •    Definition of Done
  • Simulation
  • •    Tools
مدت زمان
۲۴
هزینه دوره حضوری
۸۰۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
بهمن ۹۸
روزهای برگزاری
سازمانی
ساعات برگزاری
کد دوره : --
یادگیری عمیق – Deep Learning

 در این دوره،سعی می شود تا مبانی تئوری یادگیری عمیق، روشها و مدل­های مختلف آموزش شبکه­ های عصبی عمیق، آموزش داده شود .

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

  • سه شنبه 24 دی ماه 98
  • سه شنبه 29 بهمن ماه 98
  • سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

لازم به ذکر است آزمون های دوره علم داده به صورت پروژه برگزار می گردد.

دوره های آموزشی علم داده را برای حرفه ای شدن به خاطر بسپارید:

  • دوره برنامه نویسی پایتون - Python Programming
  • دوره یادگیری ماشین - Machine Learning
  • دوره یادگیری عمیق – Deep Learning
  • دوره آموزشی علم داده - Data Science
  • دوره  (Natural language processing (NLP)
مخاطبان دوره

افرادی که حوزه کاری یا تحقیقاتی آنان یادگیری ماشین و عمیق باشد

توانایی پس ازگذراندن دوره

امکان تحلیل و ساخت برنامه کاربردی در حوزه یادگیری عمیق

سرفصلهای دوره

مقدمه و معرفی یادگیری عمیق (learning Deep)

  • معرفی هوش مصنوعی
  • معرفی اجمالی یادگیری ماشین
  • معرفی روش ها و الگوریتم های یادگیری ماشین
  • معرفی اجمالی شبکه های عصبی مصنوعی
  • تاریخچه یادگیری عمیق
  • کاربردهای یادگیری عمیق
  • فرصت ها و چالش های یادگیری عمیق

روش ها و مدل های یادگیری عمیق

  • معرفی انواع یادگیری
  • الگوریتم ها و کاربردهای یادگیری با نظارت (Supervised)
  • الگوریتم و کاربردهای یادگیری بدون نظارت (Unsupervised)
  • عملکرد و کاربرد روش خود رمزنگار (Auto Encoder)
  • عملکرد و روش کار شبکه های (GANs (Generative Adversarial Networks
  • معرفی و کاربرد شبکه عصبی کانولوشنی (CNN (Convolutional Neural Network
  • معرفی و کاربرد شبکه عصبی بازگشتی (RNN (Recurrent Neural Network

سخت افزار و نرم افزارهای مورد نیاز

  • معرفی سخت افزارهای مختلف موجود در ایران و جهان برای پیاده سازی الگوریتم ها و روش های حوزه یادگیری عمیق
  • معرفی نرم افزارها و کتابخانه های برنامه نویسی حوزه یادگیری عمیق
  • نحوه راه اندازی بسترهای کدنویسی پایتون و TensorFlow در ویندوز

جزئیات پیاده سازی شبکه عصبی عمیق با مثال عملی

  • معرفی ساختار و نحوه پیاده سازی یک شبکه عصبی عمیق
  • معرفی و پیاده سازی شبکه عصبی عمیق کانولوشن با مجموعه داده MNIST به صورت کامال پایه ای
  • معرفی و پیاده سازی سیستم تشخیص چهره با استفاده از شبکه عصبی عمیق
مدت زمان
۴۰
هزینه دوره حضوری
۱۴۳۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
بهمن ۹۸
روزهای برگزاری
سه شنبه
ساعات برگزاری
۱۶ الی ۲۰
کد دوره : --
کارگاه مدیریت پروژه با روش Agile Scrum و ورژن کنترل سیستم Git

تمام مباحث در قالب پروژه و مثال های عملی انجام خواهد شد

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

  • سه شنبه 24 دی ماه 98
  • سه شنبه 29 بهمن ماه 98
  • سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

مدیران شرکت ها، استارتاپ ها، برنامه نویس ها و ...

توانایی پس ازگذراندن دوره
سرفصلهای دوره
  • آشنایی با متودولوژی های گوناگون مهندسی نرم افزار
  • آشنایی با متودلوژي مدیریت پروژه Kanban
  • مدیریت پروژه به کمک Agile و Scrum
  • ‌History
  • Scrum vs Kanban
  • Sprints and iterations
  • Backlog
  • Tasks
  • Estimate Points
  • Daily meetings
  • Retrospective
  • Velocity
  • Scrum roles (Scrum Master, Product Owner, …)
  • آشنایی با ابزار های موجود و روند کار
  • معرفی ورژن کنترل سیستم ها
  • آشنایی با Git و تاریخچه آن
  • چرا از Git استفاده میکنیم؟
  • شروع کار با Git
  • Git repositories
  • Branches
  • Git commands
  • Git workflow
  • Remotes (Github, Gitlab, Bitbucket, …)
  • Cheatsheet
  • Tags
  • Histories
  • Publish
  • Best practices
مدت زمان
۶
هزینه دوره حضوری
۱۲۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۸/۱۱/۲۴
روزهای برگزاری
پنجشنبه
ساعات برگزاری
۹ الی ۱۲
کد دوره : --
Big Data و سکوهای پردازش توزیع شده

این دوره برای علاقه مندان به مباحث Big Data و پردازش های توزیع شده طراحی شده است. پس از گذراندن دوره، دانش آموختگان درک بهتری از محیط کلان داده خواهند داشت و می توانند بسیاری از مسائل موجود در دنیای واقعی را با استفاده از ابزارهای موجود در این زمینه مدل کرده و توسعه دهند.

فرصت شغلی:
​شایان ذکر است لایتک، برترین دانشجویان این دوره را با تایید استاد، به شرکت های منتخب جهت نیروی کار و یا کارآموزی معرفی مینماید. 

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

  • سه شنبه 24 دی ماه 98
  • سه شنبه 29 بهمن ماه 98
  • سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

دوره های آموزشی کلان داده را برای حرفه ای شدن به خاطر بسپارید:

  • دوره تخصصی پایگاه داده های غیررابطه ای
  • دوره تخصصی Big Data
  • دوره تخصصی Apache Spark
مخاطبان دوره
  • علاقه مندان به مباحث Big Data
  • دانشجویان و فارغ التحصیلان رشته های کامپیوتر و فناوری اطلاعات
  • علاقه مندان به مفاهیم سیستم ها و برنامه نویسی توزیع شده
توانایی پس ازگذراندن دوره

آشنایی با مفاهیم و راه‌حل‌های موجود در دنیای کلان داده و توانایی حل مسائل موجود در این حوزه با استفاده از ابزارهای تدریس شده در کلاس

سرفصلهای دوره

 

Introduction to Big Data

  • What is Big Data
  • Big Data opportunities, Challenges
  • Characteristics of Big Data

Introduction to Hadoop

  • Hadoop Distributed File System
  • Comparing Hadoop & SQL
  • Industries using Hadoop
  • Data Locality
  • Hadoop Architecture
  • Map Reduce & HDFS

(Hadoop Distributed File System (HDFS

  • HDFS Design & Concepts
  • Blocks, Name nodes and Data nodes
  • HDFS High-Availability and HDFS Federation
  • Hadoop DFS The Command-Line Interface
  • Basic File System Operations
  • Anatomy of File Read, File Write
  • Block Placement Policy and Modes
  • Metadata, FS image, Edit log, Secondary Name Node and Safe Mode

YARN Component

  • Architecture Overview
  • ResourceManager
  • YARN Scheduling Components
  • FIFO Scheduler
  • Capacity Scheduler
  • Fair Scheduler
  • NodeManager
  • YARN Resource Model
  • ApplicationMaster Container Allocation
  • Write some Map Reduce programs to solve some real world problems

Writing Spark Applications

  • Spark Applications vs. Spark Shell
  •  Creating the SparkContext
  •  Configuring Spark Properties
  •  Building and Running a Spark Application
  • Spark Job Anatomy
مدت زمان
۴۰
هزینه دوره حضوری
۱۴۳۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۸/۱۱/۱۷
روزهای برگزاری
پنجشنبه ها
ساعات برگزاری
۱۲ الی ۱۶
کد دوره : --
دوره یادگیری ماشین (Machine Learning)

یادگیری ماشین بعنوان یکی از مهمترین المان های هوش مصنوعی از تکنیک های بین رشته ای ازجمله جبر خطی، بهینه سازی، علوم کامپیوتر و آمار برای ایجاد سیستم های خودکاری استفاده می کنند که توانایی پردازش و آنالیز حجم زیادی از داده را با سرعت زیاد دارند تا بتوانند پیش بینی و یا تصمیم گیری بدون دخالت انسان انجام دهند. یادگیری ماشین بعنوان یک زمینه گسترده در کاربردهای زیادی از خانه تا صنعت و پزشکی قابل استفاده می باشد. هدف از این دوره آشنا ساختن فراگیران با مدل ها و الگوریتم های یادگیری ماشین می باشد بطوری که فراگیران بتوانند این مدل ها و الگوریتم ها را در کاربردهای مختلف مورد استفاده قرار دهند.

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

  • سه شنبه 24 دی ماه 98
  • سه شنبه 29 بهمن ماه 98
  • سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره
  • دانشجویان و فارغ التحصیالن رشته های مهندسی و علوم کامپیوتر
  • افرادی که حوزه کاری و تحقیقاتی آن ها یادگیری ماشین می باشد
  • افراد عالقمند به هوش مصنوعی و یادگیری ماشین
توانایی پس ازگذراندن دوره
  • درک مفاهیم مرتبط با یادگیری ماشین.
  • درک انواع مدل ها و الگوریتم های یادگیری.
  • طراحی، اعمال و انتخاب مدل ها و الگوریتم های یادگیری ماشین برروی داده های مختلف.
  • عیب یابی مدل های یادگیری ماشین.
  • تحلیل و ساخت کاربرد های مختلف در حوزه یادگیری ماشین.
سرفصلهای دوره
  •  Machine Learning Concepts
  •  Supervised Learning o Basic Concepts

               o Linear Regression

              o Logistic Regression

              o Probabilistic Classification

              o Support Vector Machines

              o Decision Trees

              o Neural Networks

             ( o Lazy Learning (K-Nearest Neighbor 

             o Multi-class classification

  •  Model Selection & Evaluation
  •  Learning Theory
  •  Dimensionality Reduction

            o Curse of Dimensionality

            o Feature Selection

            o Feature Generation

  •  Ensemble Methods
  •  Unsupervised Learning

            o Basic Concepts

            o K-Means

            o Gaussian Mixture Model

  •  Reinforcement Learning
  •   Deep Learning

           o Introduction

           o Architecture Design

           o Training Challenges

مدت زمان
۴۰
هزینه دوره حضوری
۱۲۰۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
۹۸/۱۰/۲۸
روزهای برگزاری
شنبه
ساعات برگزاری
۱۶ الی ۲۰
کد دوره : --
Docker for Sysadmins

Docker در واقع یکEngine  متن باز بوده که وظیفه اتومات سازی Deploy  کردن اپلیکیشن ها را بر روی Container  ها دارد و همچنین یک نرم افزار تسهیل کننده جهت راه اندازی، ایجاد، Deploy کردن برنامه ها و به طوری کلی کار با Container ها می باشد.

در این دوره ما قصد داریم شما را با مفاهیمDocker  و تکنولوژی آن اشنا سازیم با هم به چند سرویس مختلف را در قالب Container پیاده کرده و نحوه کار با آن را فرا گیریم.

در دوره مذکور امکان پیش ثبت نام وجود دارد لطفا پس از مراجعه به پروفایل خود تنها بر روی نام دوره و گزینه ثبت نام کلیک کنید، در صورت به حد نصاب رسیدن با شما تماس گرفته می شود.

امروزه استفاده از سیستم عامل لینوکس در سمت سرورهای مختلف بسیار متداول شده است و بسیاری از شرکتها و سازمانها به کارشناسان مرتبط در حوزه آموزش لینوکس و متن باز نیاز دارند. در همین راستا، لایتک به ارائه آموزشهای حرفه ای سیستم عامل لینوکس می پردازد به گونه ای که دوره های آموزشی آن در قالب دوره های حضوری گروهی برگزار می شوند.  

مسیر یادگیری دوره های مربوط به سیستم عامل لینوکس به شرح ذیل می باشد:

  • Linux Essentials
  • Linux DevOps Tools Engineer
  • LPIC-1 Certified Linux Administrator
  • LPIC-2 Certified Linux Engineer
  • LPIC-3 300: Linux Enterprise Professional Mixed Environment
  • LPIC-3 303: Linux Enterprise Professional Security
  • LPIC-3 304: Linux Enterprise Professional Virtualization and High Availability
  • Docker for Sysadmins
  • Shell Scripting

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

  • سه شنبه 24 دی ماه 98
  • سه شنبه 29 بهمن ماه 98
  • سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره
  • تمامی لینوکس کاران و متخصصان شبکه
  • Sysadmins Developers
توانایی پس ازگذراندن دوره
سرفصلهای دوره
  • شروع کار با Docker
  • معرفی Docker، تاریخچه و آشنایی با مباحث اولیه
  • پیش نیازهای نصب، نصب Docker  - آشنایی با مباحث اولیه و پیاده سازی آن ها
  • شروع کار با Docker و  Basic Commands
  • بررسی معماری Docker
  • آشنایی باContainer  و Image, Docker Files
  • راه اندازی پراسس ها تحت Docker
  • Manage Containers
  • Resource Management
  • Docker logs
  • تنظیمات شبکه در Docker و Link کردنContainer  ها
  • راه اندازی سرویس های مختلف تحت Docker
  • آشنایی با مفهوم Storage
  • آشنایی Swarm Mode
  • و....
مدت زمان
۴۰
هزینه دوره حضوری
۲۲۰۰۰۰۰ تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
روزهای برگزاری
پنج شنبه
ساعات برگزاری
۸ الی ۱۲ پس از به حد نصاب رسیدن اعلام می شود
کد دوره : --
دوره تخصصی Apache Spark و Apache Kafka (پردازش داده های جریانی Stream Data Processing)

این دوره ترکیب دو دوره Apche Spark  و Apache Kafka می باشد.

  • درباره Apache Spark

این دوره به منظور بررسی مسائل موجود در حوزه Big Data و ارائه راه حل برای آنها با استفاده از ابزار قدرتمند آپاچی اسپارک طراحی گردیده است. بخش هایی نظیر پردازش های جریانی، کار با الگوریتم های یادگیری ماشین و تحلیل داده های رابطه ای با استفاده از ابزار اسپارک، مواردی هستند که در کلاس مورد بررسی قرار می گیرند.

همچنین از اسکالا به عنوان زبان توسعه برنامه ها استفاده می شود. به همین منظور بخشی از کلاس به یادگیری زبان اسکالا و کتابخانه های موجود در این زبان برنامه نویسی که مربوط به تحلیل داده های می باشند، اختصاص دارد.

  • درباره Apache Kafka

این دوره برای علاقه مندان به مباحث کلان داده و پردازش داده های جریانی طراحی شده است. پس از گذراندن دوره، دانش آموختگان درک بهتری از محیط کلان داده، داده‌های جریانی و نحوه مدیریت داده‌ها در نرخ تولید و پردازش‌های بالا را خواهند داشت و می توانند بسیاری از مسائل موجود در دنیای واقعی را با استفاده از ابزارهای موجود در این زمینه مدل کرده و توسعه دهند.

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

  • سه شنبه 24 دی ماه 98
  • سه شنبه 29 بهمن ماه 98
  • سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

دوره های آموزشی کلان داده را برای حرفه ای شدن به خاطر بسپارید:

  • دوره تخصصی پایگاه داده های غیررابطه ای
  • دوره تخصصی Big Data
  • دوره تخصصی Apache Spark و Apache Kafka
مخاطبان دوره
  • علاقه مندان به مباحث Big Data
  • دانشجویان و فارغ التحصیلان رشته های کامپیوتر و فناوری اطلاعات
  • علاقه مندان به مفاهیم سیستم ها و برنامه نویسی توزیع شده
  • علاقه‌مندان به زبان اسکالا و سکوی آپاچی اسپارک
توانایی پس ازگذراندن دوره
  • توسعه برنامه ها مبتنی بر زبان اسکالا و حل مسئله های کلان داده با استفاده از ابزار آپاچی اسپارک
  • ارائه راه‌حل جهت دریافت و جمع ‌آوری جریان داده‌ها
  • ذخیره‌سازی داده‌های جریانی بصورت لحظه‌ایی
  • توانایی توسعه برنامه پردازش داده‌های جریانی
سرفصلهای دوره

Apache Spark

  • توضیح در خصوص کلان داده و سیستم های توزیع شده
  • آماده سازی محیط کدنویسی و اجرا
    1. مقدمه بر زبان برنامه نویسی جاوا
    2. نصب و راه اندازی IDE
  • بررسی پروژه آپاچی Spark
  • راه اندازی و پیکربندی کلاستر Spark
  • توسعه و اجرای برنامه های نمونه با استفاده از پروژه Spark
    1. بررسی و کار با مفاهیم RDD
    2. Transformation و Action
    3. بررسی تابع‌های UDF
  • بررسی فرمت فایل‌های مورد استفاده در کلان داده و چگونگی نحوه استفاده از آنها در اسپارک
  • بررسی زیرساخت‌های ذخیر‌ه‌سازی داده و استفاده آنها همراه با اسپارک
    1. HDFS
    2. Object Storage
    3. Cassandra
    4. MongoDB
  • توسعه برنامه با استفاده از مولفه SparkSQL
    1. تحلیل داده‌های دارای ساختار توسط پرس‌وجوهای sql در اسپارک
    2. DataFrame
    3. Dataset
  • توسعه برنامه با استفاده از مولفه MLib در پروژه اسپارک
  • بررسی مولفه Graphframe به منظور پردازش داده‌های گراف در اسپارک
  • بررسی زیرساخت‌های استقرار پروژه اسپارک
    1. Yarn
    2. Mesos
    3. Docker
    4. Kubernetes
    5. Cloud Computing - IaaS

Apache Kafka

Introduction to Stream Data Processing

  • Definition
  • Origin and history of Big Data
  • Webpages in Big Data projects
  • Big Data problems
  • Types of Big Data processing
    • Batch
    • Stream
    • Data processing in (almost) real time
    • Definition
    • Advantages and disadvantages
    • Examples
    • Types of message delivery guarentee
      • at-most-once
      • at-least-once
      • exactly-once
    • Tools:
      • Apache Kafka
      • Apache NiFi
      • ELK Stack
      • Apache Flume
      • Fluentd
    • Introduction to Apache Kafka

    • What Kafka is and why it was created
    • The Kafka Architecture
    • The main components of Kafka
    • Some of the use cases for Kafka
    • Kafka Command Line

    • The contents of Kafka's /bin directory
    • How to start and stop Kafka
    • How to create new topics
    • How to use Kafka command line tools to produce and consume messages
    • Kafka terminologies
      • Broker
      • Topic
      • Partition
      • Producer
      • Consumer
    • Kafka Producer Java API

    • The Kafka producer client
    • Some of the KafkaProducer configuration settings and what they do
    • How to create a Kafka producer using the Java API and send messages both synchronously and asynchronously

Kafka Consumer Java API

  • The Kafka consumer client
  • Some of the KafkaConsumer configuration settings and what they do
  • How to create a Kafka consumer using the Java API

Kafka Connect and Spark Streaming

  • How to use Kafka and Spark Streaming together

Streaming Platform Concept

  • Spark Streaming
  • Apache Storm
  • Apache Flink
  • Apache Kafka Streaming
مدت زمان
۴۰
استاد
هزینه دوره حضوری
تومان
هزینه دوره مجازی
دوره به صورت مجازی برگزار نمی شود
تاریخ برگزاری
روزهای برگزاری
ساعات برگزاری
برنامه دروس مهندسی نرم افزار و ابزارهای توسعه

دوره آموزشی

دانشجویان می توانند به صورت آزاد هر یک از دوره های آموزشی این مرکز را انتخاب نموده و پس از اتمام دوره انتخابی و شرکت در آزمون، گواهینامه معتبر دانشگاه صنعتی شریف را دریافت نمایند. (به طور مثال دوره آموزش آزاد Java SE یا جاوای مقدماتی)

مقطع آموزشی

دانشجویان می توانند در صورت تمایل، دوره های آموزشی به شرح ذیل را سپری نموده و موفق به دریافت مدرک مقطع آموزشی مربوطه شوند. (به طور مثال مقطع آموزشی کاردان برنامه نویسی تجاری)

Associate Of Science in Business Application Engineering

گواهینامه های مورد نیاز در این مقطع به شرح ذیل است.

  • دوره آموزشی مبانی سیستم عامل و شبکه (اختیاری)
  • دوره آموزشی JavaSE
  • دوره آموزشی Oracle Workshop I,II

Bachelor Of Science in Business Application Engineering

گواهینامه های مورد نیاز در این مقطع به شرح ذیل است.

  • دوره آموزشی JavaEE I
  • دوره آموزشی Android Programming
  • دوره آموزشی مهندسی نرم افزار


Master Of Science in Business Application Engineering

گواهینامه های مورد نیاز در این مقطع به شرح ذیل است.

  • دوره آموزشی JavaEE II
  • دوره آموزشی امنیت در نرم افزار
  • دفاع از پایان نامه
نام کاربری یا کلمه ورود اشتباه است
ثبت نام انجام نشد
باشگاه ۲۳۸۲۲ عضوی لایتک
ثبت نام
ورود به صفحه شخصی
بازیابی گذرواژه
تلفن: ۰۲۱۶۶۰۱۳۶۴۷ - ۰۲۱۶۶۰۱۳۴۵۵ - ۰۲۱۶۶۰۳۵۱۲۵ - ۰۲۱۶۶۰۸۶۰۱۹
فکس: ۰۲۱۸۹۷۸۳۷۵۶
ایمیل: info@laitec.ir , edu@laitec.ir
استفاده از مطالب سايت لایتک فقط برای مقاصد غیر تجاری و با ذکر منبع بلامانع است.
کلیه حقوق این سایت متعلق به آزمایشگاه یادگیری فناوری اطلاعات (لایتک) است.
laitec.ir
Copyright © 2002-2020