Big Data Analytics with R: Wykorzystanie programowania R do odkrywania ukrytych wzorców w Big Data

Opinie czytelników

Książka jest kompleksowym przewodnikiem dla średnio zaawansowanych użytkowników R, którzy chcą zrozumieć analizę dużych zbiorów danych, obejmującym podstawowe pojęcia, narzędzia i metody, zapewniając jednocześnie praktyczne spostrzeżenia. Niektórzy użytkownicy uznali ją jednak za frustrującą ze względu na nieaktualne odniesienia i problemy z instalacją pakietów R.

⬤ Dokładne wyjaśnienie koncepcji i narzędzi big data
⬤ obszerne omówienie funkcji programowania w R
⬤ dobra struktura zarówno dla podstawowych, jak i zaawansowanych tematów
⬤ zawiera interesujące fakty i kontekst historyczny
⬤ skrupulatnie zilustrowane przykłady, które zwiększają zrozumienie
⬤ wysoce zalecane dla osób rozwijających swoje umiejętności w zakresie nauki o danych.

⬤ Niektóre odniesienia do pakietów R są nieaktualne i niedostępne z najnowszą wersją RStudio
⬤ pobieranie danych ze strony wydawcy może być uciążliwe
⬤ może nie nadawać się do czytania podczas dojazdów do pracy ze względu na swoją techniczną głębię.

(na podstawie 9 opinii czytelników)

Oryginalny tytuł:

Big Data Analytics with R: Leverage R Programming to uncover hidden patterns in your Big Data

Zawartość książki:

Wykorzystaj R do odkrywania ukrytych wzorców w Big Data O tej książce Wykonuj analizy obliczeniowe na Big Data, aby generować znaczące wyniki Zdobądź praktyczną wiedzę na temat języka programowania R podczas pracy na platformach Big Data, takich jak Hadoop, Spark, H2O i bazy danych SQL / NoSQL, Poznaj szybką, strumieniową i skalowalną analizę danych za pomocą najnowocześniejszych technologii na rynku Dla kogo jest ta książka Ta książka jest przeznaczona dla analityków danych, naukowców, inżynierów danych, statystyków, badaczy, którzy chcą zintegrować R z ich obecnymi lub przyszłymi przepływami pracy Big Data. Zakłada się, że czytelnicy mają pewne doświadczenie w analizie danych i zrozumieniu zarządzania danymi oraz algorytmicznego przetwarzania dużych ilości danych, jednak może im brakować konkretnych umiejętności związanych z R. Czego się dowiesz Poznaj obecny stan przetwarzania Big Data przy użyciu języka programowania R i jego potężnych możliwości statystycznych Wdróż platformy analityczne Big Data z wybranymi narzędziami Big Data obsługiwanymi przez R w opłacalny i oszczędzający czas sposób Zastosuj język R do rzeczywistych problemów Big Data na wielowęzłowym klastrze Hadoop, np.

Zużycie energii elektrycznej według różnych wskaźników społeczno-demograficznych i korzystanie z systemu rowerów publicznych Zbadanie kompatybilności R z Hadoop, Spark, bazami danych SQL i NoSQL oraz platformą H2O W szczegółach Analityka Big Data to proces badania dużych i złożonych zbiorów danych, które często przekraczają możliwości obliczeniowe. R jest wiodącym językiem programowania w nauce o danych, składającym się z potężnych funkcji do rozwiązywania wszystkich problemów związanych z przetwarzaniem Big Data. Książka rozpocznie się od krótkiego wprowadzenia do świata Big Data i jego obecnych standardów branżowych. Wraz z wprowadzeniem do języka R i przedstawieniem jego rozwoju, struktury, zastosowań w świecie rzeczywistym i jego niedociągnięć. Książka przejdzie do przeglądu głównych funkcji R do zarządzania danymi i transformacji. Czytelnicy zapoznają się z rozwiązaniami Big Data opartymi na chmurze (np. instancje Amazon EC2 i Amazon RDS, Microsoft Azure i jego klastry HDInsight), a także otrzymają wskazówki dotyczące łączności R z relacyjnymi i nierelacyjnymi bazami danych, takimi jak MongoDB i HBase itp. Zostanie on następnie rozszerzony o narzędzia Big Data, takie jak ekosystem Apache Hadoop, HDFS i platformy MapReduce. Również inne narzędzia kompatybilne z R, takie jak Apache Spark, jego biblioteka uczenia maszynowego Spark MLlib, a także H2O. Styl i podejście Ta książka będzie służyć jako praktyczny przewodnik po rozwiązywaniu problemów Big Data przy użyciu języka programowania R i jego środowiska statystycznego.

Każda sekcja książki zawiera zwięzłe i łatwe do wykonania kroki dotyczące przetwarzania, przekształcania i analizowania dużych zbiorów danych".