Книга или автор
Книга недоступна
Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики

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

Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики
3,8
28 читателей оценили
346 печ. страниц
2014 год
12+
Оцените книгу

О книге

По убеждению Билла Фрэнкса, ведущего аналитика всемирно известной компании Teradata, уже сейчас наступила эпоха совершенно новых подходов в аналитической сфере и в использовании больших объемов данных. Что такое большие данные, каково их значение, каковы методы, технологии и принципы новейшей аналитики и как это повлияет на последующее развитие бизнеса – в этой книге вы найдете подробную, четко структурированную, изложенную простым языком и наиболее полную информацию об этом явлении.

Читайте онлайн полную версию книги «Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики» автора Билла Фрэнкса на сайте электронной библиотеки MyBook.ru. Скачивайте приложения для iOS или Android и читайте «Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики» где угодно даже без интернета.

Подробная информация

Переводчик: Андрей Баранов

Дата написания: 2012

Год издания: 2014

ISBN (EAN): 9785000571460

Объем: 623.1 тыс. знаков

Купить книгу

Отзывы на книгу «Укрощение больших данных. Как извлекать знания из массивов информации с помощью глубокой аналитики»

  1. Pongo
    Pongo
    Оценил книгу

    Вводная обзорная книга по большим данным: что это такое, примеры использования, как нанимать на работу аналитиков и т.п.. Только теория, без практики. Скорее для менеджеров книга. Ну и так, ничего особенного.

  2. taki138
    taki138
    Оценил книгу

    Большая, бесполезная, бестолковая книга. Похожа на фантастический роман: если бы у нас была машина времени, то мы ,s предотвратили войны, избежали катастроф, ускорили НТП и т.д.
    Осталось только изобрести машину времени.
    Кому интересна тема, рекомендую начать со статей на Хабре с тегами Data Mining, Big Data. Информации в разы больше.

  1. Аналитические команды могут быть организованы по-разному. Однако внимание всегда должно быть сосредоточено на пре­доставлении необходимой информации лицам, принимающим решения. Создайте центр аналитических инноваций для помощи в решении задач, связанных с большими данными. Создайте культуру инноваций и открытий. Это упростит процесс укрощения больших данных. Переход к принятию решений на основе данных происходит уже в течение довольно длительного времени. Количество источников данных и разнообразие средств углубленной аналитики, используемых для принятия таких решений, постоянно увеличивается. Большие данные являются просто очередным дополнением, и их не стоит бояться.
    31 января 2017
  2. Для укрощения больших данных вам потребуются талантливые профессионалы в области аналитики
    31 января 2017
  3. Большие данные реальны, и они никуда не исчезнут. Не игнорируйте и не бойтесь их. Пересмотрите с их учетом свои стратегии, касающиеся корпоративных данных и аналитики. Используйте их для обеспечения конкурентного преимущества. Масштабируемость важна как никогда. Убедитесь, что ваша организация использует самые современные технологии, в том числе аналитику, встроенную в базу данных, модель MapReduce и облачные вычисления. Необходимы новые процессы. Начните использовать аналитические песочницы, аналитические наборы данных предприятия и встроенный скоринг для обеспечения работы более быстрых и более масштабируемых аналитических процессов. Используйте такие новые методы анализа, как анализ текста, групповые и экспресс-модели. Не применяйте старые традиционные методы к новым источникам больших данных
    31 января 2017