Il Data Lakehouse: La base per l'Intelligenza Artificiale, il Machine Learning e il Data Mesh

Recensioni dei lettori

Il libro fornisce conoscenze fondamentali sui tipi di dati e sulle loro applicazioni per le decisioni aziendali, in particolare in relazione all'elaborazione dei dati nel cloud. Tuttavia, alcuni lettori lo hanno trovato poco approfondito e privo di esempi pratici.

Facile da leggere, ben strutturato, aiuta a comprendere l'elaborazione dei dati nel cloud, evita errori costosi nella gestione dei dati.

Manca di esempi pratici e di approfondimento dei concetti teorici, può essere percepito come troppo costoso per i contenuti che offre.

(basato su 2 recensioni dei lettori)

Titolo originale:

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

Contenuto del libro:

Data lakehouse adalah generasi berikutnya dari data warehouse dan data lake, yang dirancang untuk memenuhi sistem informasi modern yang kompleks dan terus berubah. Buku ini menunjukkan kepada Anda cara membangun data lakehouse sebagai fondasi untuk inisiatif kecerdasan buatan (AI), pembelajaran mesin (ML), dan data mesh. Ketahui jebakan dan teknik untuk memaksimalkan nilai bisnis dari data lakehouse Anda.

Selain itu, mampu menjelaskan karakteristik inti dan faktor penentu keberhasilan data lakehouse. Dengan meninjau kesalahan entri, ketidakcocokan kunci, dan memastikan dokumentasi yang baik, kita dapat meningkatkan kualitas data dan kepercayaan data lakehouse Anda. Mengevaluasi kriteria kualitas data, termasuk akurasi, kelengkapan, keandalan, relevansi, dan ketepatan waktu. Memahami berbagai jenis penyimpanan untuk rumah danau, termasuk penyimpanan curah yang kurang dimanfaatkan namun sangat berharga.

Esistono tre tipi di dati nel data lakehouse (strutturati, testuali e analogici/ IoT) e per ognuno di essi è possibile imparare a costruire una solida base per l'intelligenza artificiale (AI), l'apprendimento automatico (ML) e il data mesh. Sfruttate i modelli di dati per i dati strutturati, le ontologie e le tassonomie per i dati testuali e gli algoritmi di distillazione per i dati analogici/ IoT. Imparate ad astrarre questi tipi di dati per soddisfare i requisiti futuri e semplificare la gestione dei dati. Applicare l'Extract, Transform e Load (ETL) per creare una struttura che restituisca le risposte ai problemi aziendali. Il risultato finale è un lago di dati che soddisfa le nostre esigenze.

A proposito di esigenze umane, imparate la Gerarchia dei bisogni dei data lakehouse di Maslow. Esplorate poi l'integrazione dei dati per Al, ML e data mesh. Quindi, approfondite con noi tutte le varietà di analisi all'interno della lakehouse, comprese quelle strutturate, testuali e analogiche. Scoprite come i dati descrittivi, il catalogo dei dati e i metadati possono aumentare il valore della lakehouse.

Concludiamo con un'evoluzione dettagliata dell'architettura dei dati, dal nastro magnetico alla data lakehouse come base per AI, ML e data mesh.