Gyakorlati adattudomány a Hadooppal és a Sparkkal: Hatékony analitika tervezése és létrehozása méretarányos szinten

Olvasói vélemények

A könyvet egyesek pozitívan értékelik, mint a Hadoop és a Spark élvezetes és gyakorlatias bevezetését, míg mások kritizálják, hogy felületes, és nem nyújt mélyreható ismereteket a témákról.

⬤ Jól megírt
⬤ élvezetes olvasmány
⬤ jó bevezetést nyújt a Hadoop/Spark témakörébe
⬤ gyakorlati felhasználási eseteket tárgyal az adattudományban
⬤ alkalmas azok számára, akik már rendelkeznek némi előismerettel.

⬤ Hiányzik a Hadoop/Spark mélysége és jelentős lefedettsége
⬤ túl felszínesnek és általánosnak tekinthető
⬤ félrevezető cím
⬤ drága a nyújtott tartalomhoz képest
⬤ nem alkalmas átfogó ismereteket kereső kezdőknek.

(8 olvasói vélemény alapján)

Eredeti címe:

Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale

Könyv tartalma:

The Complete Guide to Data Science with Hadoop- For Technical Professionals, Businesspeople, and Students

A Hadoop és a Spark segítségével valódi adattudományi problémákat megoldani képes szakemberek iránt egyre nagyobb a kereslet. A Practical Data Science with Hadoop(R) and Spark az Ön teljes körű útmutatója, amely pontosan ezt teszi lehetővé. A Hadoop-pal és a nagy adatokkal kapcsolatos óriási tapasztalatokra támaszkodva három vezető szakértő összegyűjti mindazt, amire szüksége van: magas szintű fogalmak, mélyreható technikák, valós felhasználási esetek, gyakorlati alkalmazások és gyakorlati útmutatók.

A szerzők bemutatják az adattudomány és a modern Hadoop-ökoszisztéma alapjait, elmagyarázva, hogyan fejlődött a Hadoop és a Spark hatékony platformmá az adattudományi problémák méretarányos megoldásához. Az átfogó alkalmazási lefedettség mellett a szerzők hasznos útmutatást nyújtanak az adatbevitel, az adatmungózás és a vizualizáció fontos lépéseiről is.

Az alapok megteremtése után a szerzők a konkrét alkalmazásokra összpontosítanak, beleértve a gépi tanulást, a prediktív modellezést az érzelemelemelemzéshez, a klaszterezést a dokumentumelemzéshez, az anomália-felismerést és a természetes nyelvi feldolgozást (NLP).

Ez az útmutató erős technikai alapot nyújt azoknak, akik gyakorlati adattudományt szeretnének végezni, és üzleti szempontú útmutatást nyújt arra vonatkozóan is, hogyan alkalmazza a Hadoopot és a Sparkot az adattudományi kezdeményezések megtérülésének optimalizálása érdekében.

Tanuljon.

⬤ Mi az adattudomány, hogyan fejlődött, és hogyan tervezzen adattudományos karriert.

⬤ Hogyan alakítja az adatmennyiség, az adatok sokfélesége és sebessége az adattudományi felhasználási eseteket.

⬤ Hadoop és ökoszisztémája, beleértve a HDFS-t, a MapReduce-t, a YARN-t és a Sparkot.

⬤ Adatok importálása a Hive és a Spark segítségével.

⬤ Adatminőség, előfeldolgozás, előkészítés és modellezés.

⬤ Vizualizálás: a hatalmas adathalmazokból származó meglátások felszínre hozása.

⬤ Gépi tanulás: osztályozás, regresszió, klaszterezés és anomália-felismerés.

⬤ Algoritmusok és Hadoop-eszközök prediktív modellezéshez.

⬤ Klaszterelemzés és hasonlósági függvények.

⬤ Nagyméretű anomália-felismerés.

⬤ NLP: az adattudomány alkalmazása az emberi nyelvre.