Основы больших данных: концепции, движущие силы и методы (серия Pearson Service Technology от Томаса Эрла) на русском
#2232091
Big Data Fundamentals: Concepts, Drivers & Techniques (The Pearson Service Technology Series from Thomas Erl) (978-0134291208)
Купить и скачать электронную книгу в форматах PDF, EPUB, FB2, MOBI
Thomas Erl | #185: Хранилища данных
«Эта книга должна стать обязательным чтением для каждого, кто работает в современном бизнесе».
— Питер Вудхалл, генеральный директор Modus21
«Единственная книга, которая ясно описывает и связывает концепции больших данных с практической пользой для бизнеса».
— Доктор Кристофер Старр, PhD
«Проще говоря, это лучшая книга по большим данным на рынке!»
— Сэм Ростам, Cascadian IT Group
«…один из самых современных подходов к основам больших данных, которые я когда-либо видел…»
— Джошуа М. Дэвис, доктор философии.
Полное и понятное руководство по большим данным для специалистов в сфере бизнеса и технологий.
Книга «Основы больших данных» представляет собой прагматичное и практичное введение в мир больших данных. Автор бестселлеров в сфере информационных технологий Томас Эрл и его команда четко объясняют ключевые концепции, теорию и терминологию больших данных, а также основные технологии и методы. Все изложенное подкреплено примерами из практики и многочисленными простыми диаграммами.
Авторы начинают с объяснения того, как большие данные могут продвинуть организацию вперед, решая целый ряд ранее неразрешимых бизнес-задач. Затем они разъясняют ключевые методы и технологии анализа и показывают, как можно создать и интегрировать среду для работы с большими данными, чтобы обеспечить конкурентные преимущества.
— Питер Вудхалл, генеральный директор Modus21
«Единственная книга, которая ясно описывает и связывает концепции больших данных с практической пользой для бизнеса».
— Доктор Кристофер Старр, PhD
«Проще говоря, это лучшая книга по большим данным на рынке!»
— Сэм Ростам, Cascadian IT Group
«…один из самых современных подходов к основам больших данных, которые я когда-либо видел…»
— Джошуа М. Дэвис, доктор философии.
Полное и понятное руководство по большим данным для специалистов в сфере бизнеса и технологий.
Книга «Основы больших данных» представляет собой прагматичное и практичное введение в мир больших данных. Автор бестселлеров в сфере информационных технологий Томас Эрл и его команда четко объясняют ключевые концепции, теорию и терминологию больших данных, а также основные технологии и методы. Все изложенное подкреплено примерами из практики и многочисленными простыми диаграммами.
Авторы начинают с объяснения того, как большие данные могут продвинуть организацию вперед, решая целый ряд ранее неразрешимых бизнес-задач. Затем они разъясняют ключевые методы и технологии анализа и показывают, как можно создать и интегрировать среду для работы с большими данными, чтобы обеспечить конкурентные преимущества.
- Изучение фундаментальных концепций больших данных и того, чем они отличаются от предыдущих форм анализа данных и науки о данных.
- Понимание мотивов и движущих сил внедрения больших данных в бизнесе, от операционных улучшений до инноваций.
- Планирование стратегических, ориентированных на бизнес инициатив в области больших данных.
- Рассмотрение таких вопросов, как управление данными, регулирование и безопасность.
- Распознавание пяти основных характеристик наборов данных в среде больших данных: объем, скорость, разнообразие, достоверность и ценность.
- Разъяснение взаимосвязи больших данных с OLTP, OLAP, ETL, хранилищами данных и витринами данных.
- Работа с большими данными в структурированном, неструктурированном, полуструктурированном форматах и в формате метаданных.
- Повышение ценности за счет интеграции ресурсов больших данных с мониторингом корпоративной эффективности.
- Понимание того, как большие данные используют распределенную и параллельную обработку.
- Использование NoSQL и других технологий для удовлетворения специфических требований к обработке больших данных.
- Использование статистических подходов количественного и качественного анализа.
- Применение методов вычислительного анализа, включая машинное обучение.