تحلیل ابری عملی با Microsoft Azure Stack ۲۰۲۰
Hands-on Cloud Analytics with Microsoft Azure Stack 2020

کاوش و کار با سرویس‌های مختلف Microsoft Azure برای تحلیل داده‌ی بلادرنگ

ویژگی‌های کلیدی:

درک قابلیت‌های Azure در کار با داده‌های شما
شناخت سرویس‌های تحلیلی ارائه شده توسط Azure
درک چگونگی تبدیل داده‌ها برای تولید داده‌های بیشتر
درک اقدامات پس از ساخت یک مدل Machine Learning
بررسی چند مورد استفاده‌ی واقعی از تحلیل داده

توضیحات:

داده، ورودی اصلی برای تحلیل است. ساخت و پیاده‌سازی پلتفرم‌های داده‌ای مانند Data Lakeها، Data Martهای مدرن و تحلیل در مقیاس بزرگ، نیازمند یک پلتفرم ابری مناسب است که Azure از طریق سرویس‌های خود آن را فراهم می‌کند.

این کتاب با بیان سیر تکاملی تحلیل و ادامه‌ی این تکامل آغاز می‌شود. پس از مقدمه، به فناوری‌های دریافت داده (ingestion) خواهید پرداخت. درباره‌ی سرویس‌های پردازش داده در Azure خواهید آموخت. سپس با مفهوم Data Lake آشنا شده و درک خواهید کرد که چگونه Azure Data Lake Storage برای بارهای کاری تحلیلی استفاده می‌شود.

در ادامه، سرویس‌های حیاتی‌ای را خواهید آموخت که قابلیت‌های واقعی Machine Learning را در Azure فراهم می‌کنند. این کتاب همچنین به Azure Data Catalog برای فهرست‌بندی، Azure AD برای مدیریت دسترسی، Web Apps و PowerApps برای برنامه‌های وب ابری، Cognitive services برای گفتار، بینایی، جستجو و زبان، Azure VM برای محاسبات و Data Science VMs، Functions به عنوان محاسبات بدون سرور، Kubernetes و Containers به عنوان گزینه‌های استقرار می‌پردازد. در پایان، کتاب دو مورد استفاده در تحلیل را بررسی می‌کند.

چه چیزهایی خواهید آموخت:

کاوش و کار با سرویس‌های مختلف Azure
سازماندهی و دریافت داده با استفاده از Azure Data Factory
یادگیری نحوه‌ی استفاده از Azure Stream Analytics
آشنایی بیشتر با Synapse Analytics و ویژگی‌های آن
یادگیری نحوه‌ی استفاده از Azure Analysis Services و عملکردهای آن

این کتاب برای چه کسانی است:

این کتاب برای هر کسی است که دانش پایه تا متوسطی از مفاهیم ابر و تحلیل دارد و می‌خواهد از Microsoft Azure برای تحلیل داده استفاده کند. این کتاب همچنین برای Data Scientistهایی که می‌خواهند از Azure برای Machine Learning استفاده کنند مفید خواهد بود.

فهرست مطالب:

۱. داده و قدرت آن
۲. تکامل تحلیل و انواع آن
۳. اینترنت اشیا
۴. هوش مصنوعی و یادگیری ماشین
۵. چرا ابر
۶. Data Lake و Data Mart مدرن چیست؟
۷. معرفی سرویس‌های Azure
۸. انواع داده
۹. Azure Data Factory
۱۰. Stream Analytics
۱۱. Azure Data Lake Store و Azure Storage
۱۲. Cosmos DB
۱۳. Synapse Analytics
۱۴. Azure Databricks
۱۵. Azure Analysis Services
۱۶. Power BI
۱۷. Azure Machine Learning
۱۸. معماری‌های نمونه و هم‌افزایی‌ها – بلادرنگ و دسته‌ای
۱۹. Azure Data Catalog
۲۰. Azure Active Directory
۲۱. Azure Webapps
۲۲. Power Apps
۲۳. Time Series Insights
۲۴. Azure Cognitive Services
۲۵. Azure Logic Apps
۲۶. Azure VM
۲۷. Azure Functions
۲۸. Azure Containers
۲۹. Azure Kubernetes Service
۳۰. مورد استفاده ۱
۳۱. مورد استفاده ۲

Explore and work with various Microsoft Azure services for real-time Data Analytics

KEY FEATURESÊ

Understanding what Azure can do with your data

Understanding the analytics services offered by Azure

Understand how data can be transformed to generate more data

Understand what is done after a Machine Learning model is builtÊ

Go through some Data Analytics real-world use cases

ÊÊ

DESCRIPTIONÊ

Data is the key input for Analytics. Building and implementing data platforms such as Data Lakes, modern Data Marts, and Analytics at scale require the right cloud platform that Azure provides through its services.

The book starts by sharing how analytics has evolved and continues to evolve. Following the introduction, you will deep dive into ingestion technologies. You will learn about Data processing services in Azure. You will next learn about what is meant by a Data Lake and understand how Azure Data Lake Storage is used for analytical workloads.

You will then learn about critical services that will provide actual Machine Learning capabilities in Azure. The book also talks about Azure Data Catalog for cataloging, Azure AD for Access Management, Web Apps and PowerApps for cloud web applications, Cognitive services for Speech, Vision, Search and Language, Azure VM for computing and Data Science VMs, Functions as serverless computing, Kubernetes and Containers as deployment options. Towards the end, the book discusses two use cases on Analytics.

WHAT WILL YOU LEARNÊÊ

Explore and work with various Azure services

Orchestrate and ingest data using Azure Data Factory

Learn how to use Azure Stream Analytics

Get to know more about Synapse Analytics and its features

Learn how to use Azure Analysis Services and its functionalities

Ê

WHO THIS BOOK IS FORÊ

This book is for anyone who has basic to intermediate knowledge of cloud and analytics concepts and wants to use Microsoft Azure for Data Analytics. This book will also benefit Data Scientists who want to use Azure for Machine Learning.

Ê

TABLE OF CONTENTSÊÊ

1. Ê Data and its power

2. Ê Evolution of Analytics and its Types

3. Ê Internet of Things

4. Ê AI and ML

5. Ê Why cloud

6. Ê What are a data lake and a modern datamart

7. Ê Introduction to Azure services

8. Ê Types of data

9. Ê Azure Data Factory

10. Stream Analytics

11. Azure Data Lake Store and Azure Storage

12. Cosmos DB

13.Ê Synapse Analytics

14.Ê Azure Databricks

15.Ê Azure Analysis Services

16.Ê Power BI

17.Ê Azure Machine Learning

18.Ê Sample Architectures and synergies – Real-Time and Batch

19.Ê Azure Data Catalog

20.Ê Azure Active Directory

21.Ê Azure Webapps

22.Ê Power apps

23.Ê Time Series Insights

24.Ê Azure Cognitive Services

25.Ê Azure Logicapps

26.Ê Azure VM

27.Ê Azure Functions

28.Ê Azure Containers

29.Ê Azure KubernetesÊ Service

30.Ê Use Case 1

31.Ê Use Case 2