Avis des lecteurs
Résumé:Certains considèrent ce livre comme une introduction agréable et pratique à Hadoop et Spark, tandis que d'autres lui reprochent d'être superficiel et de ne pas fournir de connaissances approfondies sur ces sujets.
Avantages:⬤ Bien écrit
⬤ agréable à lire
⬤ fournit une bonne introduction à Hadoop/Spark
⬤ couvre des cas d'utilisation pratiques en science des données
⬤ convient à ceux qui ont une certaine expérience préalable.
⬤ Manque de profondeur et de couverture significative de Hadoop/Spark
⬤ considéré comme trop superficiel et générique
⬤ titre trompeur
⬤ cher pour le contenu fourni
⬤ ne convient pas aux débutants à la recherche de connaissances approfondies.
(basé sur 8 avis de lecteurs)
Titre original :
Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale
Contenu du livre :
Le guide complet de la science des données avec Hadoop - pour les professionnels techniques, les hommes d'affaires et les étudiants.
La demande de professionnels capables de résoudre de vrais problèmes de science des données avec Hadoop et Spark monte en flèche. Practical Data Science with Hadoop(R) and Spark est votre guide complet pour y parvenir. S'appuyant sur leur immense expérience d'Hadoop et du big data, trois experts de premier plan rassemblent tout ce dont vous avez besoin : des concepts de haut niveau, des techniques approfondies, des cas d'utilisation du monde réel, des applications pratiques et des tutoriels pratiques.
Les auteurs présentent l'essentiel de la science des données et l'écosystème Hadoop moderne, expliquant comment Hadoop et Spark ont évolué pour devenir une plateforme efficace pour résoudre les problèmes de science des données à grande échelle. En plus d'une couverture complète des applications, les auteurs fournissent également des conseils utiles sur les étapes importantes de l'ingestion, du regroupement et de la visualisation des données.
Une fois les bases posées, les auteurs se concentrent sur des applications spécifiques, notamment l'apprentissage automatique, la modélisation prédictive pour l'analyse des sentiments, le clustering pour l'analyse de documents, la détection d'anomalies et le traitement du langage naturel (NLP).
Ce guide fournit une base technique solide pour ceux qui veulent faire de la science des données pratique, et présente également des conseils orientés métier sur la façon d'appliquer Hadoop et Spark pour optimiser le retour sur investissement des initiatives de science des données.
Apprenez .
⬤ Ce qu'est la science des données, comment elle a évolué et comment planifier une carrière dans ce domaine.
⬤ Comment le volume, la variété et la vélocité des données façonnent les cas d'utilisation de la science des données.
⬤ Hadoop et son écosystème, y compris HDFS, MapReduce, YARN et Spark.
⬤ L'importation de données avec Hive et Spark.
⬤ La qualité des données, le prétraitement, la préparation et la modélisation.
⬤ Visualisation : faire ressortir des informations à partir d'énormes ensembles de données.
⬤ Apprentissage automatique : classification, régression, regroupement et détection d'anomalies.
⬤ Algorithmes et outils Hadoop pour la modélisation prédictive.
⬤ Analyse des clusters et fonctions de similarité.
⬤ Détection d'anomalies à grande échelle.
⬤ NLP : application de la science des données au langage humain.
Autres informations sur le livre :
| ISBN : | 9780134024141 |
| Auteur : | |
| Éditeur : | |
| Reliure : | Broché |
| Année de publication : | 2017 |
| Nombre de pages : | 256 |
Achat:
Actuellement disponible, en stock.
