Adatelemzés Hadooppal: An Introduction for Data Scientists

Olvasói vélemények

A könyv a Hadoop és a Big Data analitika elsajátításához nyújt segítséget, és mind az alapozó, mind a haladó témákra összpontosít. Bár széles körű áttekintést nyújt a Hadoop ökoszisztémáról, és gyakorlati példákat is tartalmaz, jelentős problémák vannak a kód pontosságával és az írás egyértelműségével.

⬤ Átfogó áttekintés a Hadoopról és a kapcsolódó technológiákról
⬤ barátságos a kezdők és a profik számára egyaránt
⬤ a példák hasznosak a gyakorlati tanuláshoz
⬤ naprakész mind a régi, mind az új technológiák, például a MapReduce és a Spark tekintetében
⬤ hivatkozásokat biztosít a további olvasáshoz.

⬤ A példakódok gyakran nem egyeznek a könyvben található leírásokkal
⬤ a telepítési utasítások zavarosak lehetnek
⬤ a példák hibás eredményeket adhatnak
⬤ az írásmódot kritika éri, hogy nem eléggé minőségi
⬤ egyes információk félrevezetőek vagy helytelenek.

(9 olvasói vélemény alapján)

Eredeti címe:

Data Analytics with Hadoop: An Introduction for Data Scientists

Könyv tartalma:

Készen áll a statisztikai és gépi tanulási technikák alkalmazására nagy adathalmazokon? Ez a gyakorlati útmutató megmutatja, miért tökéletes a Hadoop ökoszisztéma erre a feladatra. Az elosztott számítástechnikához általában társított telepítés, üzemeltetés vagy szoftverfejlesztés helyett az építhető konkrét elemzésekre, a Hadoop által biztosított adattárházi technikákra és az ezzel a keretrendszerrel létrehozható magasabb rendű adatmunkafolyamatokra összpontosít.

Az adattudósok és elemzők megtanulják, hogyan hajtsák végre a technikák széles skáláját, a MapReduce és Spark alkalmazások Python nyelven történő írásától a fejlett modellezés és adatkezelés Spark MLlib, Hive és HBase segítségével történő alkalmazásáig. Emellett megismerheti az olyan analitikai folyamatokat és adatrendszereket is, amelyekkel olyan adattermékeket építhet és fejleszthet, amelyek képesek kezelni - és valójában igénylik is - a hatalmas adatmennyiségeket.

⬤ A Hadoop és a fürtszámítás mögötti alapvető fogalmak megértése.

⬤ Tervezési minták és párhuzamos analitikai algoritmusok használata elosztott adatelemzési feladatok létrehozásához.

⬤ Tanulja meg az Apache Hive és a HBase használatával az adatkezelést, adatbányászatot és adattárházakat elosztott környezetben.

⬤ A Sqoop és az Apache Flume használata relációs adatbázisokból származó adatok bevitelére.

⬤ Programozzon komplex Hadoop és Spark alkalmazásokat az Apache Pig és Spark DataFrames segítségével.

⬤ Masinatanulási technikák, például osztályozás, klaszterezés és kollaboratív szűrés végrehajtása a Spark MLlib segítségével.