- トップ
- データエンジニアリング
- [増補改訂]ビッグデータを支える技術
データエンジニアリングタグで同率7位(28冊中)。Zenn・Qiitaなどの2記事で紹介(時点)。
- 紹介記事
- 2件
- 媒体別
- Zenn 1・Qiita 1
- 初めての紹介
- 最新の紹介
この本を選ぶ前に
- 出版年
- (約6年前)
- タグ内の順位
- データエンジニアリングタグで同率7位(28冊中・紹介記事数の順)
紹介している記事(2件)
記事ごとの説明は、記事本文のうちこの本に触れた部分をAIが要約したもので、筆者の原文ではありません。
- [AWS]AWSを効率よく学習できる参考書/技術書ロードマップ Zenn · Ryuga Irie · · いいね 197
- Web エンジニア1年生で読んだ本からおすすめの本5選+自分なりの技術書との付き合い方をまとめた Qiita · Shoki Hata · · いいね 10
本書がデータ分析の手法そのものではなく、データ処理をシステム化・自動化する方法に焦点を当てていると説明している。列指向ストレージによる処理の高速化、Spackなどの分散処理フレームワークの利用、データの集約・整形から学習までのワークフロー管理を扱い、現代的なデータ分析基盤の構築を幅広く学べるとしている。また、技術評論社のWEB+DB PRESS plus「〇〇を支える技術」シリーズは読みやすいと評価している。
この本について
本書は、ビッグデータを集め、加工し、分析に使うデータ基盤の仕組みと構築方法を扱う。前半では、分散処理の基本やデータウェアハウス、データマート、データレイクの役割を整理し、SQLによる集約、データフレームを使った探索、BIによる可視化までを説明する。続いて、Hadoop、Spark、Hive、Prestoなどの処理基盤、オブジェクトストレージやメッセージブローカへのデータ取り込み、NoSQLデータベースの種類と用途を解説する。後半では、ワークフロー管理、タスクの冪等性、バッチ処理とストリーム処理を含むデータパイプラインの設計を扱い、オープンソースや無償ソフトウェアを使ってラップトップ上で基盤の構成を学ぶ。改訂版では、機械学習用の特徴量ストア、学習データを扱うパイプライン、MLOpsの構成にも範囲を広げている。
出版社の内容紹介・目次と紹介記事をもとにAIが要約したものです。原文の転載ではありません。
目次(主な章)
出典: 出版社の書籍ページ (章の見出しのみ)
- 第1章 ビッグデータの基礎知識
- 第2章 ビッグデータの探索
- 第3章 ビッグデータの分散処理
- 第4章 ビッグデータの蓄積
- 第5章 ビッグデータのパイプライン
- 第6章 ビッグデータと機械学習
- 第7章 [実践]ビッグデータ分析基盤の構築