Ciencia y Análisis de Big Data: Un enfoque práctico

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 4 votos.

Título original:

Big Data Science & Analytics: A Hands-On Approach

Contenido del libro:

Los datos y la información son el combustible de esta nueva era en la que potentes algoritmos analíticos queman este combustible para generar decisiones que se espera creen un mundo más inteligente y eficiente en el que todos podamos vivir. Esta nueva área de la tecnología se ha definido como Big Data Science and Analytics, y las comunidades industriales y académicas se están dando cuenta de que se trata de una tecnología competitiva que puede generar nuevas e importantes riquezas y oportunidades.

Big data se define como colecciones de conjuntos de datos cuyo volumen, velocidad o variedad es tan grande que resulta difícil almacenarlos, gestionarlos, procesarlos y analizarlos utilizando bases de datos y herramientas de procesamiento de datos tradicionales. La ciencia y el análisis de big data se ocupan de la recopilación, almacenamiento, procesamiento y análisis de datos a gran escala. Los estudios del sector, realizados por Gartner y e-Skills, por ejemplo, predicen que habrá más de 2 millones de ofertas de empleo para ingenieros y científicos formados en el ámbito de la ciencia y el análisis de datos, y que el mercado laboral en este campo está creciendo a un ritmo del 150% interanual.

Hemos escrito este libro de texto, como parte de nuestra serie en expansión "A Hands-On Approach"(TM), para satisfacer esta necesidad en colegios y universidades, y también para proveedores de servicios de big data que puedan estar interesados en ofrecer una perspectiva más amplia de este campo emergente para acompañar sus programas de formación de clientes y desarrolladores. Se espera que el lector típico haya completado un par de cursos de programación con lenguajes tradicionales de alto nivel a nivel universitario, y que sea estudiante de último curso o principiante de posgrado en uno de los campos de la ciencia, la tecnología, la ingeniería o las matemáticas (STEM). El sitio web que acompaña a este libro contiene apoyo adicional para la instrucción y el aprendizaje (www.big-data-analytics-book.com).

El libro está organizado en tres partes principales, que comprenden un total de doce capítulos. La Parte I ofrece una introducción a los macrodatos, sus aplicaciones y los patrones y arquitecturas de la ciencia y el análisis de macrodatos. Se propone una novedosa metodología de diseño de sistemas de aplicaciones de ciencia y análisis de datos y se describe su puesta en práctica mediante el uso de marcos de trabajo de big data de código abierto. Esta metodología describe las aplicaciones analíticas de big data como la realización de los modelos Alfa, Beta, Gamma y Delta propuestos, que comprenden herramientas y marcos para recopilar e ingerir datos de diversas fuentes en la infraestructura analítica de big data, incorporando sistemas de archivos distribuidos y bases de datos no relacionales (NoSQL) para el almacenamiento de datos, y marcos de procesamiento para el análisis por lotes y en tiempo real. Esta nueva metodología constituye la base pedagógica de este libro.

La Parte II presenta al lector diversas herramientas y marcos para el análisis de big data, así como los aspectos arquitectónicos y de programación de estos marcos, con ejemplos en Python. Se describen marcos de mensajería Publish-Subscribe (Kafka & Kinesis), conectores Source-Sink (Flume), conectores de bases de datos (Sqoop), colas de mensajería (RabbitMQ, ZeroMQ, RestMQ, Amazon SQS) y conectores personalizados basados en REST, WebSocket y MQTT. Se presenta al lector el almacenamiento de datos, el análisis por lotes y en tiempo real, y los marcos de consulta interactivos, incluidos HDFS, Hadoop, MapReduce, YARN, Pig, Oozie, Spark, Solr, HBase, Storm, Spark Streaming, Spark SQL, Hive, Amazon Redshift y Google BigQuery. También se describen las bases de datos de servicio (MySQL, Amazon DynamoDB, Cassandra, MongoDB) y el marco web Django Python.

La Parte III introduce al lector en varios algoritmos de aprendizaje automático con ejemplos utilizando los marcos Spark MLlib y H2O, y visualizaciones utilizando marcos como Lightning, Pygal y Seaborn.