Scienza dei dati pratica con Hadoop e Spark: Progettare e costruire analisi efficaci su larga scala

Recensioni dei lettori

Il libro è considerato positivamente da alcuni come un'introduzione pratica e piacevole a Hadoop e Spark, mentre altri lo criticano per la sua superficialità e per la mancanza di conoscenze approfondite sugli argomenti.

⬤ Ben scritto
⬤ lettura piacevole
⬤ fornisce una buona introduzione a Hadoop/Spark
⬤ copre casi d'uso pratici nella scienza dei dati
⬤ adatto a chi ha una certa esperienza precedente.

⬤ Manca di profondità e di una copertura significativa di Hadoop/Spark
⬤ considerato troppo superficiale e generico
⬤ titolo fuorviante
⬤ costoso per il contenuto fornito
⬤ non adatto ai principianti che cercano una conoscenza completa.

(basato su 8 recensioni dei lettori)

Titolo originale:

Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale

Contenuto del libro:

La guida completa alla scienza dei dati con Hadoop - per professionisti tecnici, imprenditori e studenti.

La domanda di professionisti in grado di risolvere problemi reali di scienza dei dati con Hadoop e Spark è in aumento. La guida completa Practical Data Science with Hadoop(R) and Spark è la soluzione ideale. Grazie all'immensa esperienza con Hadoop e i big data, tre esperti di spicco riuniscono tutto ciò di cui avete bisogno: concetti di alto livello, tecniche di approfondimento, casi d'uso reali, applicazioni pratiche ed esercitazioni pratiche.

Gli autori introducono gli elementi essenziali della scienza dei dati e il moderno ecosistema Hadoop, spiegando come Hadoop e Spark si siano evoluti in una piattaforma efficace per risolvere problemi di scienza dei dati su scala. Oltre a una copertura completa delle applicazioni, gli autori forniscono anche una guida utile sulle fasi importanti dell'ingestione dei dati, del data munging e della visualizzazione.

Una volta poste le basi, gli autori si concentrano su applicazioni specifiche, tra cui l'apprendimento automatico, la modellazione predittiva per l'analisi del sentiment, il clustering per l'analisi dei documenti, il rilevamento delle anomalie e l'elaborazione del linguaggio naturale (NLP).

Questa guida fornisce una solida base tecnica per coloro che vogliono fare scienza dei dati pratica, e presenta anche una guida orientata al business su come applicare Hadoop e Spark per ottimizzare il ROI delle iniziative di scienza dei dati.

Impara.

⬤ Che cos'è la scienza dei dati, come si è evoluta e come pianificare una carriera nella scienza dei dati.

⬤ Come il volume, la varietà e la velocità dei dati determinano i casi d'uso della scienza dei dati.

⬤ Hadoop e il suo ecosistema, compresi HDFS, MapReduce, YARN e Spark.

⬤ Importazione dei dati con Hive e Spark.

⬤ Qualità dei dati, preelaborazione, preparazione e modellazione.

⬤ Visualizzazione: far emergere gli insight da enormi insiemi di dati.

⬤ Apprendimento automatico: classificazione, regressione, clustering e rilevamento di anomalie.

⬤ Algoritmi e strumenti Hadoop per la modellazione predittiva.

⬤ Analisi dei cluster e funzioni di similarità.

⬤ Rilevamento di anomalie su larga scala.

⬤ NLP: applicazione della scienza dei dati al linguaggio umano.