Dátový sklad: Základom pre umelú inteligenciu, strojové učenie a dátovú sieť

Recenzie čitateľov

Kniha poskytuje základné poznatky o typoch údajov a ich aplikáciách pre obchodné rozhodnutia, najmä v súvislosti so spracovaním údajov v cloude. Niektorí čitatelia však zistili, že jej chýba hĺbka a praktické príklady.

Ľahko sa číta, je dobre štruktúrovaná, pomáha pri pochopení spracovania cloudových údajov, zabraňuje nákladným chybám pri správe údajov.

Chýbajú praktické príklady a hĺbkové pokrytie teoretických konceptov, môže byť vnímaná ako príliš drahá na obsah, ktorý ponúka.

(na základe 2 čitateľských recenzií)

Pôvodný názov:

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

Obsah knihy:

Dátový sklad je ďalšia generácia dátového skladu a dátového jazera, navrhnutá tak, aby vyhovovala dnešným komplexným a neustále sa meniacim moderným informačným systémom. Táto kniha vám ukáže, ako vybudovať dátové jazero ako základ pre vaše iniciatívy v oblasti umelej inteligencie (AI), strojového učenia (ML) a dátových sietí. Spoznajte nástrahy a techniky na maximalizáciu obchodnej hodnoty vášho dátového jazera.

Okrem toho budete vedieť vysvetliť základné charakteristiky a kritické faktory úspechu data lakehouse. Preskúmaním vstupných chýb, kľúčovej nekompatibility a zabezpečením kvalitnej dokumentácie môžeme zlepšiť kvalitu a vierohodnosť údajov vášho jazierka. Vyhodnotiť kritériá kvality údajov vrátane presnosti, úplnosti, spoľahlivosti, relevantnosti a aktuálnosti. Pochopenie rôznych typov skladovania pre jazierko vrátane nedostatočne využívaného, ale mimoriadne cenného hromadného skladovania.

V dátovom jazere sú tri typy údajov (štruktúrované, textové a analógové/internet vecí) a pre každý z nich sa naučte, ako vybudovať robustný základ pre umelú inteligenciu (AI), strojové učenie (ML) a dátovú sieť. Využite dátové modely pre štruktúrované údaje, ontológie a taxonómie pre textové údaje a destilačné algoritmy pre analógové/IoT údaje. Naučte sa abstrahovať tieto typy údajov, aby ste sa prispôsobili budúcim požiadavkám a zjednodušili líniu údajov. Aplikujte metódu Extract, Transform and Load (ETL) na vytvorenie štruktúry, ktorá vráti odpovede na obchodné problémy. Konečným výsledkom je dátové jazero, ktoré spĺňa naše potreby.

Keď už hovoríme o ľudských potrebách, naučte sa Maslowovu hierarchiu potrieb dátového jazera. Ďalej preskúmajte integráciu údajov zameranú na Al, ML a dátovú sieť. Potom sa s nami ponorte do všetkých odrôd analytiky v rámci jazierka vrátane štruktúrovanej, textovej a analógovej analytiky. Staňte sa svedkami toho, ako môžu popisné údaje, katalóg údajov a metadáta zvýšiť hodnotu lakehouse.

Na záver si podrobne predstavíme vývoj dátovej architektúry, od magnetickej pásky až po data lakehouse ako základný kameň pre AI, ML a data mesh.