Krásná data

Hodnocení:   (3,3 z 5)

Krásná data (Toby Segaran)

Recenze čtenářů

Shrnutí:

Kniha Beautiful Data autorů Tobyho Segarana a Jeffa Hammerbachera je sbírkou esejů nabízejících různé pohledy na sběr, zpracování a vizualizaci dat. Přestože kniha obsahuje pronikavá vyprávění a inspirativní případové studie, trpí špatnou kvalitou tisku, včetně obrázků ve stupních šedi, které snižují její estetický potenciál. Celkově čtenáři nacházejí hodnotu v jejích myšlenkách, ale vyjadřují zklamání nad kvalitou jejího zpracování.

Klady:

Zajímavý a informativní obsah, který zahrnuje pronikavé eseje a případové studie o datech
nabízí různé perspektivy a podněcuje k přemýšlení o reprezentaci a využití dat
některé kapitoly jsou obzvláště poutavé a podnětné.

Zápory:

Špatná kvalita tisku s černobílými obrázky, které snižují ocenění obsahu
nejednotná kvalita psaní jednotlivých esejů, což vede k různorodému čtenářskému zážitku
vysoká cena za knihu, která podle mnohých nesplnila estetická očekávání.

(na základě 22 hodnocení čtenářů)

Původní název:

Beautiful Data

Obsah knihy:

V této zasvěcené knize se od nejlepších odborníků v oboru dozvíte, jak rozsáhlá - a krásná - může být práce s daty. Připojte se k 39 přispěvatelům, kteří vám vysvětlí, jak vytvořili jednoduchá a elegantní řešení v projektech od přistávacího modulu na Marsu až po videoklip Radiohead.

S knihou Krásná data se dozvíte:

⬤ Prozkoumat příležitosti a výzvy spojené s prací s obrovským množstvím datových sad, které zpřístupňuje web.

⬤ Zjistíte, jak vizualizovat trendy městské kriminality pomocí map a datových mashupů.

⬤ Objevit výzvy spojené s návrhem systému zpracování dat, který funguje v rámci omezení daných cestováním do vesmíru.

⬤ Zjistěte, jak crowdsourcing a transparentnost společně přispěly k pokroku ve výzkumu drog.

⬤ Pochopte, jak mohou nová data automaticky spouštět výstrahy, pokud se shodují s již existujícími daty nebo se s nimi překrývají.

⬤ Zjistěte, jak rozsáhlá infrastruktura je nutná k vytvoření, zachycení a zpracování dat o DNA.

To je jen malá ukázka toho, co najdete v knize Beautiful Data. Pro každého, kdo pracuje s daty, je to skutečně fascinující kniha. Mezi přispěvatele patří:

⬤ Nathan Yau.

⬤ Jonathan Follett a Matt Holm.

⬤ J. M. Hughes.

⬤ Raghu Ramakrishnan, Brian Cooper a Utkarsh Srivastava.

⬤ Jeff Hammerbacher.

⬤ Jason Dykes a Jo Woodová.

⬤ Jeff Jonas a Lisa Sokol.

⬤ Jud Valeski.

⬤ Alon Halevy a Jayant Madhavan.

⬤ Aaron Koblin s Valdeanem Klumpem.

⬤ Michal Migurski.

⬤ Jeff Heer.

⬤ Coco Krumme.

⬤ Peter Norvig.

⬤ Matt Wood a Ben Blackburne.

⬤ Jean-Claude Bradley, Rajarshi Guha, Andrew Lang, Pierre Lindenbaum, Cameron Neylon, Antony Williams a Egon Willighagen.

⬤ Lukas Biewald a Brendan O'Connor.

⬤ Hadley Wickham, Deborah Swayne a David Poole.

⬤ Andrew Gelman, Jonathan P. Kastellec a Yair Ghitza.

⬤ Toby Segaran.

Další údaje o knize:

ISBN:9780596157111
Autor:
Vydavatel:
Jazyk:angličtina
Vazba:Měkká vazba
Rok vydání:2009
Počet stran:382

Nákup:

Nyní dostupné, na skladě.

Další knihy od autora:

Programování kolektivní inteligence: Příručka: Tvorba chytrých aplikací Web 2.0 - Programming...
Chcete využít sílu, která se skrývá za...
Programování kolektivní inteligence: Příručka: Tvorba chytrých aplikací Web 2.0 - Programming Collective Intelligence: Building Smart Web 2.0 Applications
Programování sémantického webu: Vytváření flexibilních aplikací s grafickými daty - Programming the...
Díky této knize se příslib sémantického webu - v...
Programování sémantického webu: Vytváření flexibilních aplikací s grafickými daty - Programming the Semantic Web: Build Flexible Applications with Graph Data
Krásná data - Beautiful Data
V této zasvěcené knize se od nejlepších odborníků v oboru dozvíte, jak rozsáhlá - a krásná - může být práce s daty. Připojte se k 39 přispěvatelům, kteří...
Krásná data - Beautiful Data

Díla autora vydali tito vydavatelé:

© Book1 Group - všechna práva vyhrazena.
Obsah těchto stránek nesmí být kopírován ani použit, a to ani částečně ani úplně, bez písemného svolení vlastníka.
Poslední úprava: 2024.11.08 20:25 (GMT)