A Hands-on Introduction to Big Data Analytics 1st Edition

Giới thiệu thực hành về phân tích dữ liệu lớn
Sách giáo khoa thực tế này cung cấp phần giới thiệu thực tế về phân tích dữ liệu lớn, giúp bạn phát triển các kỹ năng cần thiết để bắt đầu hoạt động như một chuyên gia dữ liệu. Nó bổ sung nền tảng lý thuyết bằng cách nhấn mạnh vào ứng dụng phân tích dữ liệu lớn, được minh họa bằng các ví dụ và bộ dữ liệu thực tế. Bao gồm nội dung bao quát toàn diện về tất cả các chủ đề chính trong lĩnh vực này, cuốn sách này sử dụng các công nghệ và ví dụ nguồn mở trong Python và Apache Spark. Các tính năng học tập bao gồm: - Đạo đức theo Thiết kế khuyến khích bạn xem xét đạo đức dữ liệu ở mọi giai đoạn.  - Thông tin chuyên sâu về ngành tạo điều kiện hiểu sâu hơn về mối liên hệ giữa những gì bạn đang nghiên cứu và cách nó được áp dụng trong ngành.  - Bộ dữ liệu, câu hỏi và bài tập giúp bạn có cơ hội áp dụng việc học của mình. Tiến sĩ Funmi Obembe là Trưởng phòng Công nghệ tại Khoa Nghệ thuật, Khoa học và Công nghệ, Đại học Northampton. Tiến sĩ Ofer Engel là Nhà khoa học dữ liệu tại Đại học Groningen.

List of Cases
About the Authors
Acknowledgement
Preface
Online Resources
1 Introduction to Big Data Analytics
Chapter objectives
1.1 What are big data and big data analytics?
1.2 Big data analytics enablers
1.3 Big data analytics in various sectors
1.4 Big data analytics challenges
1.5 Ethics by design
Summary
Test your knowledge
Further reading (optional)
Note
References
2 Big Data Technologies
Chapter objectives
2.1 The big data technology landscape
2.3 Big data acquisition, wrangling, pipelines, and associated technologies
2.4 Data analytics and associated technologies
2.5 Big data technologies used in this book
2.6 Ethics by design
2.7 Industry insights
Summary
Test your knowledge
Further reading (optional)
References
3 Apache Spark
Chapter objectives
3.1 Introduction
3.2 Apache Spark
3.3 Apache Spark GraphFrames
3.4 Apache Spark MLlib
3.5 Apache Spark Streaming
3.6 Ethics by design
3.7 Industry insights
Summary
Test your knowledge
Further reading (optional)
References
4 Big Data Storage
Chapter objectives
4.1 Introduction
4.2 Traditional data storage approaches
4.3 Big data storage solutions
4.4 Storage optimization and data compression
4.5 Key considerations for big data storage
4.6 Ethics by design
4.7 Industry insights
Summary
Test your knowledge
Further reading (optional)
References
5 Big Data Analytics and Cloud Computing
Chapter objectives
5.1 Foundations
5.2 Big data analytics and cloud computing
5.3 Industry insights
5.4 Ethics by design
Summary
Test your knowledge
Further reading (optional)
Note
References
6 Big Data Analytics and Actionable Insights
Chapter objectives
6.1 The promise of big data analytics
6.2 Data wrangling exercise
6.3 Forms of Big Data Analytics: Exploratory, Descriptive, Diagnostic, Predictive, Prescriptive
6.4 Ethics by design
6.5 Industry insights
Summary
Test your knowledge
Further reading (optional)
Notes
References
7 Graph Analytics
Chapter objectives
7.1 Introduction
7.2 Graph processing frameworks
7.3 Graph analytics hands-on exercises
7.4 Graph analytics algorithms
7.5 More graph analytics hands-on exercises
7.6 Ethics by design
7.7 Industry insights
Summary
Test your knowledge
Further reading (optional)
References
8 Machine Learning
Chapter objectives
8.1 Introduction
8.2 Categories of machine learning
8.3 Data pre-processing for machine learning
8.4 Model training and evaluation
8.5 Machine learning techniques for big data with hands-on exercises
8.6 Ethics by design
8.7 Industry insights
Summary
Test your knowledge
Further reading (optional)
Notes
References
9 Natural Language Processing
Chapter objectives
9.1 Introduction to NLP for big data
9.2 Pre-processing algorithms for NLP
9.3 Feature extraction techniques
9.4 Sentiment analysis
9.5 Topic modelling
9.6 Other NLP algorithms and tools/frameworks for NLP in big data
9.7 Ethics by design
9.8 Industry insights
Summary
Test your knowledge
Further reading (optional)
Notes
References
10 Real-Time Data Analytics
Chapter objectives
10.1 What is real-time data analytics?
10.2 Real-time analytics with Apache Spark
10.3 Real-time analytics with Apache Kafka, X (formerly known as Twitter) and Google Trends
10.5 Common real-time big data analytics use cases
10.6 Ethics by design
10.7 Industry insights
Summary
Test your knowledge
Further reading (optional)
Notes
References
11 Big Data Analytics and Visualization
Chapter objectives
11.1 Introduction
11.2 Big data visualization as the art of storytelling
11.3 Mind your audience
11.4 Choosing an effective visualization
11.5 Ethics by design
11.6 Industry insights
Summary
Annotated further reading
Test your knowledge
Notes
References
12 Going Forward
Chapter objectives
12.1 Overview
12.2 Future directions for big data analytics
12.3 Ethics by design
Summary
Test your knowledge
Further reading (optional)
Notes
References
Index