Google Bigquery : Le guide définitif : Entreposage de données, analyse et apprentissage automatique à l'échelle

Note :   (4,5 sur 5)

Google Bigquery : Le guide définitif : Entreposage de données, analyse et apprentissage automatique à l'échelle (Valliappa Lakshmanan)

Avis des lecteurs

Résumé:

Le livre fournit des informations complètes et détaillées sur BigQuery, ce qui en fait une ressource essentielle pour les débutants et les utilisateurs expérimentés. Cependant, il a été critiqué pour sa qualité d'impression, notamment parce qu'il est présenté en noir et blanc, ce qui peut nuire à la lisibilité.

Avantages:

Informations détaillées et pratiques
excellente couverture de BigQuery
clairement écrit avec de bons exemples
précieux pour l'apprentissage
bien structuré
complet et à jour avec les nouvelles fonctionnalités
informations de haute qualité provenant d'auteurs de confiance.

Inconvénients:

La qualité d'impression est médiocre et manque de couleurs, ce qui nuit à la lisibilité
certains contenus peuvent être obsolètes
problèmes liés à des contenus incorrects (Java inclus avec BigQuery)
prix élevé.

(basé sur 19 avis de lecteurs)

Titre original :

Google Bigquery: The Definitive Guide: Data Warehousing, Analytics, and Machine Learning at Scale

Contenu du livre :

Travaillez avec des ensembles de données à l'échelle du pétaoctet tout en créant un environnement de travail collaboratif et agile. Ce livre pratique est la référence canonique de Google BigQuery, le moteur de requête qui vous permet d'effectuer des analyses interactives de grands ensembles de données.

BigQuery permet aux entreprises de stocker, d'interroger, d'ingérer et d'exploiter efficacement leurs données dans un cadre pratique. Avec ce livre, vous apprendrez à analyser les données à grande échelle pour tirer des enseignements des grands ensembles de données de manière efficace.

Valliappa Lakshmanan, tech lead pour Google Cloud Platform, et Jordan Tigani, directeur de l'ingénierie pour l'équipe BigQuery, fournissent les meilleures pratiques pour l'entreposage de données moderne au sein d'un cloud public autoscalé et sans serveur. Que vous souhaitiez explorer des parties de BigQuery que vous ne connaissez pas ou que vous préfériez vous concentrer sur des tâches spécifiques, cette référence est indispensable.

Autres informations sur le livre :

ISBN :9781492044468
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2019
Nombre de pages :350

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Google Bigquery : Le guide définitif : Entreposage de données, analyse et apprentissage automatique...
Travaillez avec des ensembles de données à...
Google Bigquery : Le guide définitif : Entreposage de données, analyse et apprentissage automatique à l'échelle - Google Bigquery: The Definitive Guide: Data Warehousing, Analytics, and Machine Learning at Scale
Machine Learning Design Patterns : Solutions aux défis courants en matière de préparation des...
Les modèles de conception présentés dans ce livre...
Machine Learning Design Patterns : Solutions aux défis courants en matière de préparation des données, de construction de modèles et de Mlops - Machine Learning Design Patterns: Solutions to Common Challenges in Data Preparation, Model Building, and Mlops
Practical Machine Learning for Computer Vision (Apprentissage automatique pratique pour la vision...
En utilisant des modèles d'apprentissage...
Practical Machine Learning for Computer Vision (Apprentissage automatique pratique pour la vision par ordinateur) : Apprentissage automatique de bout en bout pour les images - Practical Machine Learning for Computer Vision: End-To-End Machine Learning for Images
Science des données sur Google Cloud Platform : Mise en œuvre de pipelines de données en temps réel...
Découvrez à quel point il est facile d'appliquer...
Science des données sur Google Cloud Platform : Mise en œuvre de pipelines de données en temps réel de bout en bout : De l'ingestion à l'apprentissage automatique - Data Science on the Google Cloud Platform: Implementing End-To-End Real-Time Data Pipelines: From Ingest to Machine Learning

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)