Datové úložiště: Datový Lakehouse: základ pro umělou inteligenci, strojové učení a datové sítě

Recenze čtenářů

Kniha poskytuje základní znalosti o typech dat a jejich využití pro obchodní rozhodování, zejména v souvislosti se zpracováním dat v cloudu. Někteří čtenáři však shledali, že jí chybí hloubka a praktické příklady.

Snadno se čte, je dobře strukturovaná, pomáhá v pochopení zpracování dat v cloudu, zabraňuje nákladným chybám při správě dat.

Chybí praktické příklady a hlubší pokrytí teoretických konceptů, může být vnímána jako příliš drahá na obsah, který nabízí.

(na základě 2 hodnocení čtenářů)

Původní název:

The Data Lakehouse: The Bedrock for Artificial Intelligence, Machine Learning, and Data Mesh

Obsah knihy:

Datové úložiště je novou generací datového skladu a datového jezera, která je navržena tak, aby vyhovovala dnešním složitým a neustále se měnícím moderním informačním systémům. Tato kniha vám ukáže, jak vybudovat datový sklad (data lakehouse) jako základ pro vaše iniciativy v oblasti umělé inteligence (AI), strojového učení (ML) a datových sítí. Poznejte úskalí a techniky pro maximalizaci obchodní hodnoty vašeho datového jezera.

Kromě toho budete schopni vysvětlit základní charakteristiky a kritické faktory úspěchu datového jezerního domu. Prověřením chyb při zadávání dat, nekompatibility klíčů a zajištěním dobré dokumentace můžeme zlepšit kvalitu a věrohodnost datového jezerního domu. Vyhodnoťte kritéria kvality dat, včetně přesnosti, úplnosti, spolehlivosti, relevance a včasnosti. Porozumění různým typům skladů pro jezerní dům, včetně málo využívaných, ale nesmírně cenných velkoobjemových skladů.

V datovém jezeře jsou tři typy dat (strukturovaná, textová a analogová/internet věcí) a pro každý z nich se naučíte, jak vytvořit robustní základ pro umělou inteligenci (AI), strojové učení (ML) a datovou síť. Využijte datové modely pro strukturovaná data, ontologie a taxonomie pro textová data a destilační algoritmy pro analogová/IoT data. Naučte se, jak tyto datové typy abstrahovat, abyste se přizpůsobili budoucím požadavkům a zjednodušili datovou linii. Použijte Extract, Transform and Load (ETL) k vytvoření struktury, která vrací odpovědi na obchodní problémy. Konečným výsledkem je datové jezero, které splňuje naše potřeby.

Když už mluvíme o lidských potřebách, naučte se Maslowovu hierarchii potřeb datových jezer. Dále prozkoumejte datovou integraci zaměřenou na Al, ML a data mesh. Poté se s námi ponořte do všech odrůd analytiky v rámci jezerního domu, včetně strukturované, textové a analogové analytiky. Buďte svědky toho, jak mohou popisná data, datový katalog a metadata zvýšit hodnotu lakehouse.

V závěru se podrobně seznámíme s vývojem datové architektury od magnetické pásky až po datový lakehouse jako základní kámen pro AI, ML a data mesh.