Data Lakehouse: La base de la inteligencia artificial, el aprendizaje automático y la malla de datos

Opiniones de los lectores

El libro proporciona conocimientos básicos sobre los tipos de datos y sus aplicaciones para la toma de decisiones empresariales, especialmente en relación con el tratamiento de datos en la nube. Sin embargo, algunos lectores consideraron que le faltaba profundidad y ejemplos prácticos.

Fácil de leer, bien estructurado, ayuda a comprender el tratamiento de datos en la nube, evita errores costosos en la gestión de datos.

Le faltan ejemplos prácticos y una cobertura en profundidad de los conceptos teóricos, puede percibirse como demasiado caro para el contenido que ofrece.

(basado en 2 opiniones de lectores)

Título original:

The Data Lakehouse: The Bedrock for Artificial Intelligence, Machine Learning, and Data Mesh

Contenido del libro:

El data lakehouse es la próxima generación del data warehouse y el data lake, diseñado para satisfacer los complejos y siempre cambiantes sistemas de información modernos de hoy en día. Este libro le muestra cómo construir su data lakehouse como base para sus iniciativas de inteligencia artificial (IA), aprendizaje automático (ML) y malla de datos. Conozca los escollos y las técnicas para maximizar el valor empresarial de su data lakehouse.

Además, sea capaz de explicar las características principales y los factores críticos de éxito de un data lakehouse. Al revisar los errores de entrada, la incompatibilidad de claves y garantizar una buena documentación, podemos mejorar la calidad de los datos y la credibilidad de su lakehouse. Evalúe los criterios de calidad de los datos, como la precisión, la exhaustividad, la fiabilidad, la pertinencia y la actualidad. Comprender los diferentes tipos de almacenamiento para la caseta de lago, incluido el almacenamiento a granel infrautilizado pero extremadamente valioso.

Existen tres tipos de datos en el lago de datos (estructurados, textuales y analógicos/del IoT) y, para cada uno de ellos, aprenda a construir una base sólida para la inteligencia artificial (IA), el aprendizaje automático (ML) y la malla de datos. Aproveche los modelos de datos para datos estructurados, ontologías y taxonomías para datos textuales, y algoritmos de destilación para datos analógicos/IoT. Aprenda a abstraer estos tipos de datos para dar cabida a futuros requisitos y simplificar el linaje de datos. Aplique Extracción, Transformación y Carga (ETL) para crear una estructura que devuelva las respuestas a los problemas empresariales. El resultado final es un lago de datos que satisface nuestras necesidades.

Hablando de necesidades humanas, aprenda la jerarquía de Maslow de las necesidades de los lagos de datos. A continuación, explore la integración de datos orientada a Al, ML y malla de datos. A continuación, profundice con nosotros en todas las variedades de análisis dentro del lago de datos, incluidos los análisis estructurados, textuales y analógicos. Sea testigo de cómo los datos descriptivos, el catálogo de datos y los metadatos pueden aumentar el valor de la casa del lago.

Concluiremos con una evolución detallada de la arquitectura de datos, desde la cinta magnética hasta el lago de datos como base fundamental para la IA, el ML y la malla de datos.