Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji

Name: Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji
ISBN: 978-83-283-6830-9

Helion

Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji

Oprawa miękka

Wydanie: 1

ISBN: 978-83-283-6830-9

EAN: 9788328368309

Liczba stron: 464

Cena detaliczna: 89,00 zł

56,19 zł

53,42 zł - najniższa cena z 30 dni przed obniżką

89,00 zł - cena detaliczna

Dodaj do koszyka

Do koszyka

Zamówienie wyślemy 2024-05-06

Kup w pakiecie

Kupuj więcej i oszczędzaj

Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji - | mała okładka

Pakiet zakładek Seria Patriotyczna - | mała okładka

61,09 zł

58,32 zł - najniższa cena z 30 dni przed obniżką

98,90 zł - cena detaliczna

Do koszyka

Opis

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.