A Hands-on Introduction to Big Data Analytics 1st Edition
BRAND: Sage
Trường ĐH, Nhóm, Thư Viện: Gọi 0915920514 để báo giá eBook hosting trên Vital Source hoặc mua Sách In
Tổng quan sách
Giới thiệu thực hành về phân tích dữ liệu lớnSách 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 CasesAbout the AuthorsAcknowledgementPrefaceOnline Resources1 Introduction to Big Data AnalyticsChapter objectives1.1 What are big data and big data analytics?1.2 Big data analytics enablers1.3 Big data analytics in various sectors1.4 Big data analytics challenges1.5 Ethics by designSummaryTest your knowledgeFurther reading (optional)NoteReferences2 Big Data TechnologiesChapter objectives2.1 The big data technology landscape2.3 Big data acquisition, wrangling, pipelines, and associated technologies2.4 Data analytics and associated technologies2.5 Big data technologies used in this book2.6 Ethics by design2.7 Industry insightsSummaryTest your knowledgeFurther reading (optional)References3 Apache SparkChapter objectives3.1 Introduction3.2 Apache Spark3.3 Apache Spark GraphFrames3.4 Apache Spark MLlib3.5 Apache Spark Streaming3.6 Ethics by design3.7 Industry insightsSummaryTest your knowledgeFurther reading (optional)References4 Big Data StorageChapter objectives4.1 Introduction4.2 Traditional data storage approaches4.3 Big data storage solutions4.4 Storage optimization and data compression4.5 Key considerations for big data storage4.6 Ethics by design4.7 Industry insightsSummaryTest your knowledgeFurther reading (optional)References5 Big Data Analytics and Cloud ComputingChapter objectives5.1 Foundations5.2 Big data analytics and cloud computing5.3 Industry insights5.4 Ethics by designSummaryTest your knowledgeFurther reading (optional)NoteReferences6 Big Data Analytics and Actionable InsightsChapter objectives6.1 The promise of big data analytics6.2 Data wrangling exercise6.3 Forms of Big Data Analytics: Exploratory, Descriptive, Diagnostic, Predictive, Prescriptive6.4 Ethics by design6.5 Industry insightsSummaryTest your knowledgeFurther reading (optional)NotesReferences7 Graph AnalyticsChapter objectives7.1 Introduction7.2 Graph processing frameworks7.3 Graph analytics hands-on exercises7.4 Graph analytics algorithms7.5 More graph analytics hands-on exercises7.6 Ethics by design7.7 Industry insightsSummaryTest your knowledgeFurther reading (optional)References8 Machine LearningChapter objectives8.1 Introduction8.2 Categories of machine learning8.3 Data pre-processing for machine learning8.4 Model training and evaluation8.5 Machine learning techniques for big data with hands-on exercises8.6 Ethics by design8.7 Industry insightsSummaryTest your knowledgeFurther reading (optional)NotesReferences9 Natural Language ProcessingChapter objectives9.1 Introduction to NLP for big data9.2 Pre-processing algorithms for NLP9.3 Feature extraction techniques9.4 Sentiment analysis9.5 Topic modelling9.6 Other NLP algorithms and tools/frameworks for NLP in big data9.7 Ethics by design9.8 Industry insightsSummaryTest your knowledgeFurther reading (optional)NotesReferences10 Real-Time Data AnalyticsChapter objectives10.1 What is real-time data analytics?10.2 Real-time analytics with Apache Spark10.3 Real-time analytics with Apache Kafka, X (formerly known as Twitter) and Google Trends10.5 Common real-time big data analytics use cases10.6 Ethics by design10.7 Industry insightsSummaryTest your knowledgeFurther reading (optional)NotesReferences11 Big Data Analytics and VisualizationChapter objectives11.1 Introduction11.2 Big data visualization as the art of storytelling11.3 Mind your audience11.4 Choosing an effective visualization11.5 Ethics by design11.6 Industry insightsSummaryAnnotated further readingTest your knowledgeNotesReferences12 Going ForwardChapter objectives12.1 Overview12.2 Future directions for big data analytics12.3 Ethics by designSummaryTest your knowledgeFurther reading (optional)NotesReferencesIndex
.svg)