برنامه نویسی تابعی به طور فزاینده ای در صنعت گسترش می یابد. این روند با پذیرش اسکالا به عنوان زبان برنامه نویسی اصلی برای بسیاری از برنامه ها هدایت می شود. Scala برنامه نویسی کاربردی و شی گرا را در یک بسته عملی ترکیب می کند. این یکپارچه با جاوا و جاوا اسکریپت کار می کند. اسکالا زبان پیاده سازی بسیاری از فریم ورک های مهم از جمله آپاچی اسپارک، کافکا و آکا است. زیرساخت اصلی سایت هایی مانند Twitter، Tumblr و همچنین Coursera را فراهم می کند. در این دوره شما عناصر سبک برنامه نویسی کاربردی را کشف می کنید و یاد می گیرید که چگونه آنها را به طور مفید در وظایف برنامه نویسی روزانه خود مانند مدل سازی دامنه های تجاری یا پیاده سازی منطق تجاری به کار ببرید. همچنین با لمس برهان های ثابت و ردیابی اجرا به صورت نمادین، پایه محکمی برای استدلال در مورد برنامه های کاربردی ایجاد خواهید کرد. دوره به صورت دستی است. اکثر واحدها برنامه های کوتاهی را معرفی می کنند که به عنوان تصویر مفاهیم مهم عمل می کنند و شما را به بازی با آنها، اصلاح و بهبود آنها دعوت می کنند. این دوره با مجموعه ای از پروژه های برنامه نویسی به عنوان تکالیف خانگی تکمیل می شود. پیشینه پیشنهادی: شما باید حداقل یک سال تجربه برنامه نویسی داشته باشید. تسلط به جاوا یا سی شارپ ایده آل است، اما تجربه با زبان های دیگر مانند C/C++، Python، Javascript یا Ruby نیز کافی است. شما باید با استفاده از خط فرمان آشنایی داشته باشید.

در پروژه نهایی Capstone، مهارت‌هایی را که با ساختن یک برنامه کاربردی بزرگ با داده‌های فشرده با استفاده از داده‌های دنیای واقعی آموخته‌اید، به کار خواهید برد. شما یک برنامه کامل را پیاده سازی خواهید کرد که چندین گیگابایت داده را پردازش می کند. این برنامه تجسم های تعاملی از تکامل دما در طول زمان را در سراسر جهان نشان می دهد. توسعه چنین برنامه ای شامل موارد زیر است: - تبدیل داده‌های ارائه‌شده توسط ایستگاه‌های هواشناسی به اطلاعات معنی‌داری مانند، به عنوان مثال، میانگین دمای هر نقطه از کره زمین در ده سال گذشته. - سپس با استفاده از تکنیک های درون یابی فضایی و خطی از این اطلاعات تصاویری تهیه کنید. - در نهایت، پیاده سازی نحوه واکنش رابط کاربری به اقدامات کاربران.

اسکالا یک زبان برنامه نویسی رسا، همه کاره و ایمن است. در این دوره آموزشی، یاد می گیرید که چگونه از Scala برای حل وظایف برنامه نویسی رایج مانند مدل سازی دامنه های تجاری، تجزیه مسائل پیچیده به مسائل ساده تر، دستکاری داده ها یا اجرای وظایف موازی، بیشترین بهره را ببرید. در طول سفر، شما همچنین بهترین روش‌ها را برای نوشتن کدهای با کیفیت بالا که برای برنامه‌های کاربردی بزرگ مقیاس می‌شوند، نحوه رسیدگی به خطاها، نحوه نوشتن تست‌ها و نحوه استفاده از یک محیط توسعه سازنده را یاد خواهید گرفت. هدف این دوره جامع، عملی، ارتقای سطح مهارت های برنامه نویسی شما با در نظر گرفتن برنامه نویسی کاربردی و برنامه نویسی شی گرا است. شما با کتابخانه استاندارد و الگوهای رایج کد مورد استفاده در دنیای واقعی آشنا خواهید شد. هر هفته شامل حدود 1:30 سخنرانی ویدیویی است. هر سخنرانی یک ویدیوی 10 دقیقه ای است که بر روی یک مهارت یا مفهوم خاص متمرکز شده است. ما همیشه با بررسی مشکلات مشخص شروع می‌کنیم و سپس توضیح می‌دهیم که چگونه ویژگی‌های زبان یا کتابخانه‌ها شما را برای حل این مشکلات به طور کلی کارآمدتر می‌کنند. سخنرانی ها معمولاً با یک مسابقه برای ارزیابی پیشرفت شما دنبال می شوند. در پایان هر هفته، یک تکلیف درجه بندی شده با الهام از برنامه های کاربردی دنیای واقعی به شما فرصتی می دهد تا چیزها را عملی کنید. این دوره Scala 3 را پوشش می دهد و تفاوت های Scala 2 را ذکر می کند.

دستکاری کلان داده های توزیع شده روی یک خوشه با استفاده از مفاهیم کاربردی در صنعت شایع است و مسلماً یکی از اولین استفاده های صنعتی گسترده از ایده های کاربردی است. محبوبیت MapReduce و Hadoop و اخیراً Apache Spark، یک چارچوب مجموعه‌های توزیع شده سریع و درون حافظه که در Scala نوشته شده است، گواه این موضوع است. در این دوره، خواهیم دید که چگونه پارادایم موازی داده را می توان با استفاده از Spark در سراسر مورد توزیع شده گسترش داد. ما مدل برنامه نویسی Spark را با جزئیات پوشش خواهیم داد، و مراقب باشیم که بدانیم چگونه و چه زمانی با مدل های برنامه نویسی آشنا، مانند مجموعه های موازی با حافظه مشترک یا مجموعه های متوالی Scala متفاوت است. از طریق مثال‌های عملی در Spark و Scala، یاد می‌گیریم که چه زمانی مسائل مهم مربوط به توزیع مانند تأخیر و ارتباطات شبکه باید در نظر گرفته شود و چگونه می‌توان به طور مؤثر برای بهبود عملکرد به آنها پرداخت. نتایج یادگیری در پایان این دوره شما قادر خواهید بود: - داده ها را از ذخیره سازی دائمی بخوانید و آن را در آپاچی اسپارک بارگذاری کنید. - دستکاری داده ها با Spark و Scala، - بیان الگوریتم برای تجزیه و تحلیل داده ها به سبک عملکردی، - تشخیص نحوه جلوگیری از تکرار و محاسبه مجدد در Spark، پیشینه پیشنهادی: شما باید حداقل یک سال تجربه برنامه نویسی داشته باشید. تسلط به جاوا یا سی شارپ ایده آل است، اما تجربه با زبان های دیگر مانند C/C++، Python، Javascript یا Ruby نیز کافی است. شما باید با استفاده از خط فرمان آشنایی داشته باشید. این دوره بعد از برنامه نویسی موازی در نظر گرفته شده است: https://www.coursera.org/learn/parprog1.

دستکاری کلان داده های توزیع شده روی یک خوشه با استفاده از مفاهیم کاربردی در صنعت شایع است و مسلماً یکی از اولین استفاده های صنعتی گسترده از ایده های کاربردی است. محبوبیت MapReduce و Hadoop و اخیراً Apache Spark، یک چارچوب مجموعه‌های توزیع شده سریع و درون حافظه که در Scala نوشته شده است، گواه این موضوع است. در این دوره، خواهیم دید که چگونه پارادایم موازی داده را می توان با استفاده از Spark در سراسر مورد توزیع شده گسترش داد. ما مدل برنامه نویسی Spark را با جزئیات پوشش خواهیم داد، و مراقب باشیم که بدانیم چگونه و چه زمانی با مدل های برنامه نویسی آشنا، مانند مجموعه های موازی با حافظه مشترک یا مجموعه های متوالی Scala متفاوت است. از طریق مثال‌های عملی در Spark و Scala، یاد می‌گیریم که چه زمانی مسائل مهم مربوط به توزیع مانند تأخیر و ارتباطات شبکه باید در نظر گرفته شود و چگونه می‌توان به طور مؤثر برای بهبود عملکرد به آنها پرداخت. نتایج یادگیری در پایان این دوره شما قادر خواهید بود: - داده ها را از ذخیره سازی دائمی بخوانید و آن را در آپاچی اسپارک بارگذاری کنید. - دستکاری داده ها با Spark و Scala، - بیان الگوریتم برای تجزیه و تحلیل داده ها به سبک عملکردی، - تشخیص نحوه جلوگیری از تکرار و محاسبه مجدد در Spark، پیشینه پیشنهادی: شما باید حداقل یک سال تجربه برنامه نویسی داشته باشید. تسلط به جاوا یا سی شارپ ایده آل است، اما تجربه با زبان های دیگر مانند C/C++، Python، Javascript یا Ruby نیز کافی است. شما باید با استفاده از خط فرمان آشنایی داشته باشید. این دوره بعد از برنامه نویسی موازی در نظر گرفته شده است: https://www.coursera.org/learn/parprog1. توجه داشته باشید که این نسخه از دوره از Scala 2.13 استفاده می کند. می‌توانید نسخه جدیدتر دوره را که از Scala 3 استفاده می‌کند، در اینجا بیابید: https://www.coursera.org/learn/scala-spark-big-data