Analýza dat s Hadoopem: An Introduction for Data Scientists (Úvod pro datové vědce)

Recenze čtenářů

Kniha je zdrojem informací pro výuku Hadoopu a analýzy velkých dat se zaměřením na základní i pokročilá témata. Přestože poskytuje široký přehled o ekosystému Hadoop a obsahuje praktické příklady, má také značné problémy s přesností kódu a srozumitelností psaní.

⬤ Ucelený přehled Hadoopu a souvisejících technologií
⬤ přívětivý pro začátečníky i profesionály
⬤ příklady jsou užitečné pro praktické učení
⬤ aktuální pro staré i nové technologie, jako je MapReduce a Spark
⬤ poskytuje citace pro další čtení.

⬤ Ukázkový kód často neodpovídá popisu v knize
⬤ pokyny k instalaci mohou být matoucí
⬤ příklady mohou přinést nesprávné výsledky
⬤ styl psaní je kritizován jako nedostatečně kvalitní
⬤ některé informace jsou zavádějící nebo nesprávné.

(na základě 9 hodnocení čtenářů)

Původní název:

Data Analytics with Hadoop: An Introduction for Data Scientists

Obsah knihy:

Jste připraveni používat statistické techniky a techniky strojového učení ve velkých souborech dat? Tento praktický průvodce vám ukáže, proč je ekosystém Hadoop pro tuto práci ideální. Namísto nasazení, provozu nebo vývoje softwaru, které jsou obvykle spojovány s distribuovanými výpočty, se zaměříte na konkrétní analýzy, které můžete vytvářet, na techniky datových skladů, které Hadoop poskytuje, a na pracovní postupy s daty vyššího řádu, které tento rámec může vytvářet.

Datoví vědci a analytici se naučí provádět širokou škálu technik, od psaní aplikací MapReduce a Spark pomocí jazyka Python až po používání pokročilého modelování a správy dat pomocí Spark MLlib, Hive a HBase. Seznámíte se také s analytickými procesy a datovými systémy, které jsou k dispozici pro vytváření a posilování datových produktů, které mohou zpracovávat - a vlastně i vyžadují - obrovské množství dat.

⬤ Poznáte základní koncepty Hadoopu a clusterových výpočtů.

⬤ Využívat návrhové vzory a paralelní analytické algoritmy k vytváření distribuovaných úloh pro analýzu dat.

⬤ Zjistěte, jak spravovat, vytěžovat a ukládat data v distribuovaném kontextu pomocí Apache Hive a HBase.

⬤ Používat Sqoop a Apache Flume k přijímání dat z relačních databází.

⬤ Programovat komplexní aplikace Hadoop a Spark pomocí Apache Pig a Spark DataFrames.

⬤ Provádět techniky strojového učení, jako je klasifikace, shlukování a kolaborativní filtrování, pomocí Spark MLlib.