Estrazione di grandi insiemi di dati

Recensioni dei lettori

Il libro è un riferimento completo sui metodi di data mining, scritto da un noto team di Stanford. Pur essendo apprezzato per la sua chiarezza e la copertura sia della teoria che delle applicazioni pratiche, alcuni lettori trovano il linguaggio difficile e le spiegazioni di alcuni algoritmi carenti.

Scrittura chiara e concisa, copre la teoria e gli aspetti pratici del data mining, adatto a studenti universitari di livello avanzato e a laureati principianti, forte riferimento per gli algoritmi più diffusi.

Linguaggio difficile in alcune sezioni, parti scritte in modo approssimativo, copertura incompleta di alcuni algoritmi, non adatto come fonte primaria di apprendimento.

(basato su 3 recensioni dei lettori)

Titolo originale:

Mining of Massive Datasets

Contenuto del libro:

Scritto da autorità di spicco nelle tecnologie dei database e del Web, questo libro è una lettura essenziale sia per gli studenti che per i professionisti. La popolarità del Web e del commercio su Internet fornisce molti insiemi di dati estremamente grandi da cui è possibile ricavare informazioni con il data mining.

Questo libro si concentra sugli algoritmi pratici che sono stati utilizzati per risolvere i problemi chiave del data mining e che possono essere applicati con successo anche agli insiemi di dati più grandi. Inizia con una discussione sul framework MapReduce, uno strumento importante per la parallelizzazione automatica degli algoritmi. Gli autori spiegano i trucchi dell'hashing sensibile alla località e gli algoritmi di stream-processing per l'estrazione di dati che arrivano troppo velocemente per un'elaborazione esaustiva.

Altri capitoli trattano l'idea di PageRank e i relativi trucchi per organizzare il Web, i problemi di ricerca di insiemi frequenti e il clustering. Questa terza edizione include una nuova ed estesa trattazione degli alberi decisionali, del deep learning e dell'estrazione di grafi di reti sociali.