Курс включает в себя все инструменты, которые могут пригодиться как разработчику, так и администратору: управление доступом, резервное копирование, репликация, журналирование, работа со статистикой, способы масштабирование, а также работа MongoDB в облаках (AWS, GCP, Azure, Яндекс Облако), docker и Kubernetes
Цель курса — научить слушателя эффективно работать с MongoDB.
В результате обучения выпускники смогут создавать отказоустойчивые кластера Монго, консистентные бэкапы, оптимальные запросы и разбираться с некорректными, работать с индексами, оптимизировать, профилировать запросы.На курсе вы:
создадите свой проект интернет-магазина с полноценным бэкендом на node.js с хранением информации в отказоустойчивом кластере MongoDB;
научитесь мониторить кластер с использованием современных тендеций и производить нагрузочное тестирование для определения слабых мест с использованием принципа stonith;
выбирать оптимальный способ установки MongoDB (on premise, docker, Kubernetes, clouds) в зависимости от задачи;
создавать отказоустойчивый шардированный реплицированный кластер в виртуальных, облачных и Kubernetes средах;
научитесь делать бэкапы шардированного реплицированого кластера в бесплатной версии;
узнаете, как реализовать платный функционал в бесплатной версии своими руками;
научитесь оптимально использовать структуры хранения данных в MongoDB;
освоите синтаксис и особенности работы в MongoDB;
сможете оптимизировать медленные запросы.
Для кого:
Для Frontend-разработчиков: Научитесь правильно формировать отложенные запросы к Монго с учетом всех тонкостей работы;
Для Backend-разработчиков: Научитесь правильно писать сложные запросы, оптимизировать работу, профилировать запросы, настраивать отказоустойчивое соединение с Монго;
Для администраторов баз данных: Научитесь выбирать нужный вариант установки Монго для конкретной задачи, реализовывать отказоустойчивый кластер, в том числе с использованием шардирования. Обеспечивать безопасность, бэкапы шардированного реплицированного кластера, современный мониторинг и тестирование нагрузки, отказоустойчивости с применением принципов stonith;
Для администраторов Linux: Научитесь настраивать безопасное окружение, сетевую безопасность, настраивать Монго под конкретное окружение;
Для DevOps: Научитесь правильно развертывать кластеры Монго в Kubernetes и облаках, настраивать безопасность, оптимизация, геораспределение.
Курс по компьютерному зрения оправдал мои ожидания и даже больше
Курс систематизировал имеющуюся информацию и составил полную картину подходов и возможных типов решаемых задач в области компьютерного зрения. Реализованные алгоритмы, разобранные на занятиях, готовы для использования на практике и являются отличным ориентиром для разработки собственного кода. Отдельный бонус для меня – pytorch как основной инструмент, до этого я использовала tensorflow.keras. Ценность курса - «живые» лекции и общение с преподавателями - профессионалами своего дела, которые с энтузиазмом объясняют материал, заинтересованно отвечают на все вопросы и рады обсудить текущие задачи участников. Хочу также отметить возможность регулярной обратной связи и оперативную поддержку администратора курса.
Плюсы: Лекции в реальном времени, преподаватели - профессионалы в своей области, доходчивое объяснение материала с обсуждением и ответами на вопросы слушателей, обратная связь и поддержка администратора курса
Минусы: Для разбора некоторых комплексных архитектур нейронных сетей лучше отвести больше занятий
Источник: otzovik.com
mamonsc
19.10.2023
10
Курс Machine Learning. Advanced - хороший продвинутый курс
Курс охватывает множество областей продвинутого машинного обучения (классического, не глубокого/глубинного): A/B тестирование, графовые методы, обучение с подкреплением, анализ временных рядов и другие. За каждый модуль отвечает отдельный преподаватель. Курс проходит в формате вебинаров, что подходит не всем - кому-то не хватает лекционного ритма и монтажа, и "живые" вебинары по несколько часов проходят скучновато. Тем много, курс достаточно объемный, есть финальный проект, но домашних заданий хотелось бы побольше, чтобы все это не осталось теорией, и не забылось.
Плюсы: Большой охват тем классического машинного обучения Финальный проект
Минусы: Если вам не нравится формат вебинаров - это не для вас Мало домашних заданий
