Python для DevOps. Учитесь беспощадно

Python dla DevOps. Naucz się bezlitośnie skutecznej automatyzacji

Autorzy: Noah Gift, Kennedy Behrman, Alfredo Deza, Grig Gheorghiu

Wydawca: Helion

Rok wydania: 2020

Tłumaczenie: Radosław Meryk

ISBN: 9788328368309

Format: 168x237

Seria: O'Reilly

Oprawa: miękka

Stron: 464

Książka jest nowa

Cena okładkowa książki: 89.00 zł > cenę promocyjną znajdziesz na naszej aukcji!

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 Pythona
• automatyczne przetwarzanie tekstu oraz automatyzacja operacji na plikach
• automatyzacja za pomocą sprawdzonych narzędzi linuksowych
• chmura, infrastruktura jako kod, Kubernetes i tryb bezserwerowy
• uczenie maszynowe i inżynieria danych z perspektywy DevOps
• tworzenie i operacjonalizacja projektu uczenia maszynowego

Python: tutaj ważna jest prawdziwa nowoczesność oprogramowania!