

Python dla DevOps
Parametry
- Stan
- Nowy
- Faktura
- Faktura VAT
- Wydawnictwo
- Helion
- Język
- polski
- Tematyka
- Python
- Okładka
- miękka
- Waga (z opakowaniem)
- 0,675 kg
- Wysokość produktu
- 24 cm
- Szerokość produktu
- 17 cm
- Numer wydania
- 1
- Autor
- Praca zbiorowa
- Liczba stron
- 464
- Tytuł
- Python dla DevOps
- Rok wydania
- 2 020
- ISBN
- 9788328368309
- Nośnik
- książka papierowa
- Seria
- inna
- Gatunek
- Programowanie
Opis produktu
Python dla DevOps
Ostatnia dekada zmieniła oblicze IT. Kluczowego znaczenia nabrały big data, a chmura i automatyzacja rozpowszechniły się wszędzie tam, gdzie mowa o efektywności. Inżynierowie muszą wykorzystywać zalety systemów linuksowych w codziennej praktyce, aby zapewnić należyty poziom automatyzacji swoich zadań. Do tych celów świetnie nadaje się Python. Język ten zdobywa coraz większe uznanie z uwagi na jego wszechstronność, jak również wydajność, przenaszalność i bezpieczeństwo kodu. Warto więc wykorzystywać Pythona do administrowania systemami Linux wraz z takimi narzędziami DevOps jak Docker, Kubernetes i Terraform.Dzięki tej książce dowiesz się, jak sobie z tym poradzić. Znalazło się w niej krótkie wprowadzenie do Pythona oraz do automatyzacji przetwarzania tekstu i obsługi systemu plików, a także do pisania własnych narzędzi wiersza poleceń. Zaprezentowano również przydatne narzędzia linuksowe, systemy zarządzania pakietami oraz systemy budowania, monitorowania i automatycznego testowania kodu. Zagadnienia te szczególnie zainteresują specjalistów DevOps. Ponadto zawarto tu podstawowe informacje o chmurze obliczeniowej, usługach IaC i systemach Kubernetes. Omówiono zasady uczenia maszynowego i inżynierii danych z perspektywy DevOps. Przedstawiono także kompletny przewodnik po procesach budowania, wdrażania oraz operacyjnego wykorzystywania modelu uczenia maszynowego z użyciem systemów Flask, sklearn, Docker i Kubernetes.W tej książce:wprowadzenie do Pythonaautomatyczne przetwarzanie tekstu oraz automatyzacja operacji na plikachautomatyzacja za pomocą sprawdzonych narzędzi linuksowychchmura, infrastruktura jako kod, Kubernetes i tryb bezserwerowyuczenie maszynowe i inżynieria danych z perspektywy DevOpstworzenie i operacjonalizacja projektu uczenia maszynowegoPython: tutaj ważna jest prawdziwa nowoczesność oprogramowania!

