Preface
Acknowledgments
About This Books
1. A New Paradigm for Big Data
Part 1. Batch Layer
2. Data Model for Big Data
3. Data Model for Big Data: Illustration
4. Data Storage on the Batch Layer
5. Data Storage on the Batch Layer: Illustration
6. Batch Layer
7. Batch Layer: Illustration
8. An Example Batch Layer: Architecture and Algorithms
9. An Example Batch Layer: Implementation
Part 2. Serving Layer
10. Serving Layer
11. Serving Layer: Illustration
Part 3: Speed Layer
12. Realtime Views
13. Realtime Views: Illustration
14. Queuing and Stream Processing
15. Queuing and Stream Processing: Illustration
16. Micro-Batch Stream Processing
17. Micro-Batch Stream Processing: Illustration
18. Lambda Architecture in Depth
Index

Web-scale applications like social networks, real-time analytics, or e-commerce sites deal with a lot of data, whose volume and velocity exceed the limits of traditional database systems. These applications require architectures built around clusters of machines to store and process data of any size, or speed. Fortunately, scale and simplicity are not mutually exclusive.

Big Data teaches you to build big data systems using an architecture designed specifically to capture and analyze web-scale data. This book presents the Lambda Architecture, a scalable, easy-to-understand approach that can be built and run by a small team. You'll explore the theory of big data systems and how to implement them in practice. In addition to discovering a general framework for processing big data, you'll learn specific technologies like Hadoop, Storm, and NoSQL databases.

Big Data: Principles and best practices of scalable real-time data systems

Предисловие автора
Вступление
Благодарности
Часть I. Революция началась
Глава 1. Постигаем операционную аналитику
Глава 2. Больше данных… Еще больше данных… Большие данные!
Глава 3. Операционная аналитика в действии
Часть II. Закладываем основу
Глава 4. Хотите бюджет? Разработайте бизнес-кейс!
Глава 5. Создаем аналитическую платформу
Глава 6. Управление и конфиденциальность
Часть III. Превращаем традиционную аналитику в операционную
Глава 7. Аналитика
Глава 8. Аналитическая команда
Глава 9. Аналитическая культура
Заключение. Присоединяйтесь к революции!
Об авторе

Содержит практические знания о том, что такое операционная аналитика, что о ней должна знать организация и каким образом успешно ее использовать.

Еще несколько лет назад руководители многих организаций, чей бизнес генерирует большие объемы операционных данных, сомневались в ценности подхода Big Data. Сегодня те из них, кто продолжает сомневаться, упускают непрерывно растущие возможности этого подхода, повышая риск потери доли рынка и перехода в разряд отстающих и устаревающих. Но с чего начать, если вы хотите вывести свою организацию на новый научно-технологический уровень, к принятию решений с использованием Big Data?

Ответ на это дает Билл Фрэнкс, директор по аналитике компании Teradata и преподаватель Международного института аналитики, за плечами которого — более чем 20-летний опыт работы в крупных аналитических проектах реального бизнеса. «Революция в аналитике» — это пошаговое практическое руководство по внедрению операционной аналитики и автоматизации принятия решений. Специалисты по аналитике, ИТ и все, кто хочет сделать свою организацию успешнее на основе подхода Big Data, по достоинству оценят работу Фрэнкса.

Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики

Благодарности
Вступление
Компоненты бомбы: что такое модель?
Посттравматический синдром: мое путешествие к утрате иллюзий
Гонка вооружений: поступление в колледж
Машина пропаганды: интернет-реклама
Жертвы среди мирного населения: справедливость в эпоху Больших данных
К службе негоден: в поисках работы
Нервное расстройство: на работе
Небоевые потери: кредитная политика
В поисках укрытия: получение страховки
Гражданин под прицелом: общественная жизнь
Заключение
Примечания

Математические алгоритмы с каждым днем все сильнее подчиняют себе нашу жизнь. Более того — по мнению автора книги, профессора математики и финансового аналитика, эти алгоритмы уже превратились в опасное оружие в руках государства и корпораций — и это оружие нацелено в первую очередь на самые бедные и незащищенные слои населения. При этом скрытые принципы работы математических моделей охраняются как величайшая коммерческая тайна, а их вердикты, подчас очевидно ошибочные и явно вредные, считаются окончательными и обжалованию не подлежат.
Добро пожаловать в прекрасный новый мир — мир убийственных Больших данных!

Убийственные Большие данные

Предисловие
Введение
Почему Data Science?
Глава 1. Об основах без лишних слов
Глава 2. Кластеризация методом k-средних
Глава 3. Метод главных компонент
Глава 4. Ассоциативные правила
Глава 5. Анализ социальных сетей
Глава 6. Регрессионный анализ
Глава 7. Метод k-ближайших соседей и обнаружение аномалий
Глава 8. Метод опорных векторов
Глава 9. Дерево решений
Глава 10. Случайные леса
Глава 11. Нейронные сети
Глава 12. A/B-тестирование и многорукие бандиты
Приложения
Глоссарий
Литература и ссылки на источники
Об авторах

Cегодня Big Data — это большой бизнес.
Нашей жизнью управляет информация, и извлечение выгоды из нее становится центральным моментом в работе современных организаций. Не важно кто вы - деловой человек, работающий с аналитикой, начинающий программист или разработчик, - "Теоретический минимум по Big Data" позволит разобраться в основах новой и стремительно развивающейся отрасли обработки больших данных.

Хотите узнать о больших данных и механизмах работы с ними? Каждому алгоритму посвящена отдельная глава, в которой не только объясняются основные принципы работы, но и даются примеры использования в реальных задачах. Большое количество иллюстраций и простые комментарии позволят легко разобраться в самых сложных аспектах Big Data.

"Отличная визуализация концепций машинного обучения позволяет «нетехнарям» интуитивно понять сложные абстрактные понятия. Это лаконичная и точная выжимка содержит теоретический минимум информации, необходимый для первого знакомства с Big Data."
Этан Чен, автор курса CS 102: Big Data, Стэнфордский университет

Теоретический минимум по Big Data. Всё что нужно знать о больших данных

Пролог. Когда зафиксировано все
Введение. Революция социальных данных. Как можно заставить информацию приносить пользу людям
Глава 1. Как научиться разбираться в данных. Основной инструментарий цифрового гражданина
Глава 2. Знаки и значения. Противостояние между цифровым частным и цифровым честным
Глава 3. Знакомые и собеседники. Идентичность и репутация в профайле социальной сети
Глава 4. Среда и условия. Осмысление сенсоризации общества
Глава 5. Панель управления. Прозрачность для людей
Глава 6. Управление. Свобода выбора для людей
Глава 7. Право и жизнь. Прозрачность и свобода выбора на практике
Эпилог. К свету!
Благодарности
Примечания
Алфавитный указатель

Информация как таковая становится самой значительной отраслью экономики, и базы данных знают о каждом конкретном человеке больше, чем известно ему самому. Чем больше информации о каждом из нас попадает в базы данных, тем в меньшей степени мы существуем.

Революция социальных данных делает измеримыми вещи, которые не измерялись или не могли быть измерены прежде. В прошлом мы имели все основания утверждать, что не имеем информации или инструментария для описания и анализа возможностей выбора, который стоит перед обществом. Теперь это не так. Мы можем точно представлять себе и выбор, и его последствия. Чем больше личной информации о нас накапливается в базах данных компаний, тем в большей степени мы существуем, и тем больше узнаем о самих себе. Реальная проблема в том, чтобы сделать компании, собирающие личные данные, прозрачными для нас в той же степени, в какой мы прозрачны для них, и обеспечить себе право голоса в вопросах использования этих данных. В этой книге рассказывается о том, как достичь этих целей.

BIG DATA. Вся технология в одной книге

Предисловие
Благодарности
О книге
Об авторах
От издательства
Глава 1. Data science в мире больших данных
Глава 2. Процесс data science
Глава 3. Машинное обучение
Глава 4. Работа с большими данными на одном компьютере
Глава 5. Первые шаги в области больших данных
Глава 6. Присоединяйтесь к движению NoSQL
Глава 7. Графовые базы данных
Глава 8. Глубокий анализ текста
Глава 9. Визуализация данных для конечного пользователя
Приложение А. Настройка Elasticsearch
Приложение Б. Установка Neo4j
Приложение В. Установка сервера MySQL
Приложение Г. Установка Anaconda в виртуальной среде

Data Science — это совокупность понятий и методов, позволяющих придать смысл и понятный вид огромным объемам данных.
Каждая из глав этой книги посвящена одному из самых интересных аспектов анализа и обработки данных. Вы начнете с теоретических основ, затем перейдете к алгоритмам машинного обучения, работе с огромными массивами данных, NoSQL, потоковым данным, глубокому анализу текстов и визуализации информации. В многочисленных практических примерах использованы сценарии Python.
Обработка и анализ данных — одна из самых горячих областей IT, где постоянно требуются разработчики, которым по плечу проекты любого уровня, от социальных сетей до обучаемых систем. Надеемся, книга станет отправной точкой для вашего путешествия в увлекательный мир Data Science.

Основы Data Science и Big Data. Python и наука о данных

От партнера издания
Глава 1. Наше время
Глава 2. Больше данных
Глава 3. Беспорядочность
Глава 4. Корреляция
Глава 5. Датификация
Глава 6. Ценность
Глава 7. Последствия
Глава 8. Риски
Глава 9. Контроль
Глава 10. Что дальше?
Примечания

Это первая большая книга о грядущем революционном явлении, равнозначном интернету или, может, даже печатному станку. Эта книга о новой науке, способной предсказывать будущее на основе быстрой обработки огромных массивов информации и мгновенного их анализа. Она может преобразовывать множество явлений — от стоимости авиабилетов до текста миллионов книг — в форму, доступную для поиска, и с помощью растущей вычислительной мощности совершать невиданные прежде открытия и прогнозы.

Два ведущих специалиста в этой области в доступной форме объясняют, что такое большие данные, как они изменят нашу жизнь, и что мы можем сделать, чтобы защитить себя от возникающих опасностей с их стороны: начиная от неизбежной утери конфиденциальности и заканчивая перспективой наказания за проступки, которые еще не совершены.

Для кого эта книга

Эта книга как для тех, кто интересуется или работает в области ИТ, так и для более широкого круга читателей, потому что затрагивает изменения жизни общества в целом.

От автора

Приметы информационного общества нетрудно заметить повсюду: в каждом кармане найдется мобильный телефон, на каждом столе — компьютер, а в рабочих кабинетах по всему миру — большие ИТ-системы. Но сама информация при этом менее заметна. Полвека спустя с того времени, как компьютеры прочно вошли в жизнь общества, накопление данных достигло того уровня, на котором происходит нечто новое и необычное. Мир не просто завален небывалым количеством информации — это количество стало расти быстрее. Изменение масштаба привело к изменению состояния. Количественное изменение привело к качественному. В науках, таких как астрономия и геномика, впервые столкнувшихся со всплеском данных в середине 2000-х годов, появился термин «большие данные». Теперь эта концепция проникает во все сферы человеческой деятельности.

Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим

От партнера издания
Предисловие
Введение
Часть I. Появление больших данных
Глава 1. Что такое “большие данные” и каково их значение?
Глава 2. Веб-данные: первые большие данные
Глава 3. Источники больших данных и их ценность
Часть II. Укрощение больших данных: технологии, процессы и методы
Глава 4. Эволюция масштабируемости аналитических систем
Глава 5. Эволюция аналитических процессов
Глава 6. Эволюция аналитических инструментов и методов
Часть III. Укрощение больших данных: люди и подходы
Глава 7. Что такое хороший анализ?
Глава 8. Что такое хороший профессионал в области аналитики?
Глава 9. Что такое хорошая аналитическая команда?
Часть IV. Объединение пройденного: аналитическая культура
Глава 10. Создание условий для внедрения инноваций в сфере аналитики
Глава 11. Создание культуры инноваций и открытий
Заключение
Благодарности
Об авторе
Предметный указатель
Примечания

Автор этой книги понятным неспециалисту языком рассказывает о том, что такое большие данные, как они меняют мир и что нужно делать, чтобы повысить уровень аналитики в своей организации и принимать взвешенные решения, основанные на информации.

Из этой книги вы узнаете:

что такое большие данные, почему они важны и в чем их преимущества;
каковы основные источники больших данных;
какие технологии и процессы помогут совладать с ними;
что отличает хорошего аналитика и хорошую аналитическую команду;
и как привить культуру анализа и инноваций в своей компании.
Большие данные проникают повсюду. Число источников больших данных растет. Правильное использование и анализ информации могут стать вашим конкурентным преимуществом.

Фишки книги
Входит в список книг, рекомендованных Томом Питерсом.

Переведена на японский и китайский, будет переводиться на корейский язык.

Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики

Не IT-профессия

1С-Битрикс разработчик

Akka разработчик

Android разработчик

Angular разработчик

Ansible специалист

AR разработчик

AWS облачный архитектор

Azure облачный архитектор

Backend-разработчик

BI-аналитик

Blockchain разработчик

Cordova разработчик

Data engineer

Data Scientist

DevOps

DevSecOps инженер

Digital-специалист

Docker специалист

Drupal разработчик

Express.js разработчик

FastApi разработчик

Flask разработчик

Frontend-разработчик

Fullstack разработчик

Game дизайнер

Gin разработчик

Google Cloud облачный архитектор

Hibernate разработчик

Ionic разработчик

IT-специалист

Java программист

JavaScript программист

Joomla разработчик

Ktor разработчик

Kubernetes специалист

Linux/Unix системный администратор

MongoDB разработчик баз данных

NestJS разработчик

Next.js разработчик

Node.js разработчик

NoSQL разработчик баз данных

Nuxt.js разработчик

Play Framework разработчик

Product manager

Product Owner

Python программист

Quarkus разработчик

Rails разработчик

React разработчик

Scrum Master

SEO специалист

SMM-менеджер

Svelte разработчик

Symfony-разработчик

Terraform специалист

UI дизайнер

UI разработчик

Unity разработчик

UX дизайнер

VR разработчик

Vue.js разработчик

Web дизайнер

Windows системный администратор

WordPress разработчик

Xamarin разработчик

Yandex Cloud облачный архитектор

Yii разработчик

Zend-разработчик

Администратор баз данных

Администратор вычислительной сети

Администратор защиты

Администратор сайта

Аналитик 1С

Аналитик Big Data

Аналитик UX

Аналитик данных

Архитектор безопасности

Архитектор информационных систем

Бизнес аналитик

Веб-аналитик

Веб-мастер

Веб-разработчик

Верстальщик

Видеограф

Видеомонтажер

Визуализатор

Вирусный аналитик

Вконтакте таргетолог

Графический дизайнер

Дженералист (3D)

Дизайнер

Директор по безопасности

Директор по данным

Директор по информационным технологиям

Игровой аналитик

Инженер по машинному обучению

Инженер умных устройств

Интернет-маркетолог

Киберследователь

Развивайтесь в профессии Аналитик Big Data с помощью нашей подборки книг. Эти книги помогут вам освоить ключевые навыки и углубить знания, необходимые для успешной карьеры в Аналитик Big Data. Подходит для специалистов всех уровней!

Подборка лучших книг 📚 Аналитик Big Data — Рекомендуемая литература для профессии Аналитик Big Data | MyITcareer