Ocena:
Książka zapewnia kompleksową eksplorację tematów inżynierii danych, przemawiając do czytelników na różnych poziomach umiejętności. Zawiera wkład wielu autorów, co oferuje zróżnicowany zakres spostrzeżeń. Jednak niektórzy czytelnicy kwestionują jej wartość dla jednorazowych czytelników, biorąc pod uwagę jej cenę i zmienność znaczenia dla poszczególnych ról.
Zalety:⬤ Wartościowa treść dla inżynierów danych na różnych poziomach dojrzałości
⬤ oferuje różnorodne spostrzeżenia od wielu autorów
⬤ uważane za warte swojej ceny przez niektórych czytelników.
⬤ Wysoka cena za jednorazową lekturę
⬤ tylko niektóre tematy mogą rezonować z indywidualnymi czytelnikami
⬤ średnia jakość papieru.
(na podstawie 4 opinii czytelników)
97 Things Every Data Engineer Should Know: Collective Wisdom from the Experts
Skorzystaj z dzisiejszego ogromnego zapotrzebowania na inżynierów danych. Dzięki tej dogłębnej książce, obecni i aspirujący inżynierowie poznają potężne, rzeczywiste najlepsze praktyki zarządzania dużymi i małymi danymi. Autorzy ze znanych firm, takich jak Twitter, Google, Stitch Fix, Microsoft, Capital One i LinkedIn, dzielą się swoimi doświadczeniami i wnioskami z pokonywania różnych konkretnych i często dokuczliwych wyzwań.
Zredagowana przez Tobiasa Maceya, gospodarza popularnego podcastu Data Engineering Podcast, książka ta przedstawia 97 zwięzłych i przydatnych wskazówek dotyczących czyszczenia, przygotowywania, porządkowania, przechowywania, przetwarzania i pozyskiwania danych. Inżynierowie danych, architekci danych, menedżerowie zespołów danych, naukowcy zajmujący się danymi, inżynierowie uczenia maszynowego i inżynierowie oprogramowania odniosą ogromne korzyści z mądrości i doświadczenia swoich rówieśników.
Tematy obejmują
⬤ Znaczenie pochodzenia danych - Julien Le Dem.
⬤ Bezpieczeństwo danych dla inżynierów danych - Katharine Jarmul.
⬤ Dwa rodzaje inżynierii danych i inżynierów danych - Jesse Anderson.
⬤ Sześć wymiarów wyboru analitycznej hurtowni danych - Gleb Mezhanskiy.
⬤ Koniec ETL, jaki znamy - Paul Singman.
⬤ Budowanie kariery inżyniera danych - Vijay Kiran.
⬤ Nowoczesne metadane dla nowoczesnego stosu danych - Prukalpa Sankar.
⬤ Testy danych nie powiodły się! Co teraz? - Sam Bail.