Architektura danych: A Primer for the Data Scientist: Elementarz dla naukowców zajmujących się danymi

Opinie czytelników

Książka o architekturze danych oferuje kompleksowy przewodnik dla osób zaangażowanych w analitykę i architekturę danych, przemawiając do zróżnicowanego grona czytelników. Podczas gdy niektórzy użytkownicy uznali ją za przystępną i pouczającą, inni krytykowali ją za słabą organizację, nadmierne powtórzenia i problemy z jakością druku.

⬤ Kompleksowe omówienie koncepcji architektury danych
⬤ Przystępna i czytelna dla osób niebędących inżynierami
⬤ Dobre odniesienie do zrozumienia podstaw architektury danych.

⬤ Słabo zorganizowana i powtarzająca się treść
⬤ Wymaga lepszego nadzoru redakcyjnego
⬤ Niska jakość druku wpływająca na czytelność
⬤ Pewne nieścisłości faktograficzne i mylące informacje.

(na podstawie 7 opinii czytelników)

Oryginalny tytuł:

Data Architecture: A Primer for the Data Scientist: A Primer for the Data Scientist

Zawartość książki:

W ciągu ostatnich 5 lat koncepcja big data dojrzała, nauka o danych rozwinęła się wykładniczo, a architektura danych stała się standardową częścią podejmowania decyzji organizacyjnych. W trakcie tych wszystkich zmian podstawowe zasady kształtujące architekturę danych pozostały takie same.

Nadal istnieje potrzeba, aby ludzie spojrzeli na "szerszy obraz" i zrozumieli, gdzie ich dane pasują do wielkiego schematu rzeczy. Architektura danych: A Primer for the Data Scientist, Second Edition odnosi się do szerszego obrazu architektonicznego, w jaki sposób duże zbiory danych pasują do istniejącej infrastruktury informacyjnej lub systemów hurtowni danych. Jest to niezbędny temat nie tylko dla naukowców zajmujących się danymi, analityków i menedżerów, ale także dla badaczy i inżynierów, którzy coraz częściej muszą radzić sobie z dużymi i złożonymi zestawami danych.

Dopóki dane nie zostaną zebrane i nie można ich umieścić w istniejącej strukturze lub architekturze, nie można w pełni wykorzystać ich potencjału. Opierając się na wieloletnim praktycznym doświadczeniu i wykorzystując liczne przykłady i studia przypadków z różnych branż, autorzy starają się wyjaśnić szerszy obraz, w który wpisują się duże zbiory danych, dając naukowcom zajmującym się danymi niezbędny kontekst, w jaki sposób elementy układanki powinny do siebie pasować.