Bewertung:
Das Buch vermittelt grundlegendes Wissen über Datentypen und ihre Anwendungen für Geschäftsentscheidungen, insbesondere in Bezug auf die Verarbeitung von Cloud-Daten. Einigen Lesern fehlte es jedoch an Tiefe und praktischen Beispielen.
Vorteile:Leicht zu lesen, gut strukturiert, hilft beim Verständnis der Cloud-Datenverarbeitung, vermeidet kostspielige Fehler beim Datenmanagement.
Nachteile:Es fehlt an praktischen Beispielen und einer eingehenden Behandlung theoretischer Konzepte, kann als zu teuer für den angebotenen Inhalt empfunden werden.
(basierend auf 2 Leserbewertungen)
The Data Lakehouse: The Bedrock for Artificial Intelligence, Machine Learning, and Data Mesh
Das Data Lakehouse ist die nächste Generation von Data Warehouse und Data Lake, die für die komplexen und sich ständig verändernden modernen Informationssysteme von heute entwickelt wurde. Dieses Buch zeigt Ihnen, wie Sie Ihr Data Lakehouse als Grundlage für Ihre Initiativen in den Bereichen künstliche Intelligenz (KI), maschinelles Lernen (ML) und Data Mesh aufbauen können. Sie kennen die Fallstricke und Techniken zur Maximierung des Geschäftswerts Ihres Data Lakehouse.
Darüber hinaus sollten Sie in der Lage sein, die Hauptmerkmale und kritischen Erfolgsfaktoren eines Data Lakehouse zu erklären. Durch Überprüfung von Eingabefehlern, Schlüsselinkompatibilität und Sicherstellung einer guten Dokumentation können wir die Datenqualität und Glaubwürdigkeit Ihres Lakehouses verbessern. Bewerten Sie die Kriterien für die Datenqualität, einschließlich Genauigkeit, Vollständigkeit, Zuverlässigkeit, Relevanz und Aktualität. Verstehen Sie die verschiedenen Lagertypen für das Seehaus, einschließlich der wenig genutzten, aber äußerst wertvollen Massenlager.
Es gibt drei Datentypen im Data Lakehouse (strukturierte, textuelle und analoge/ IoT-Daten), und für jeden lernen Sie, wie Sie eine robuste Grundlage für künstliche Intelligenz (KI), maschinelles Lernen (ML) und Data Mesh schaffen. Nutzen Sie Datenmodelle für strukturierte Daten, Ontologien und Taxonomien für textuelle Daten und Destillationsalgorithmen für analoge/IoT-Daten. Lernen Sie, wie Sie diese Datentypen abstrahieren können, um zukünftigen Anforderungen gerecht zu werden und die Datenabfolge zu vereinfachen. Wenden Sie Extrahieren, Transformieren und Laden (ETL) an, um eine Struktur zu schaffen, die die Antworten auf Geschäftsprobleme liefert. Das Endergebnis ist ein Data Lakehouse, das unsere Bedürfnisse erfüllt.
Apropos menschliche Bedürfnisse: Lernen Sie die Maslowsche Hierarchie der Data Lakehouse-Bedürfnisse kennen. Als Nächstes erkunden Sie die Datenintegration für KI, ML und Data Mesh. Dann tauchen Sie mit uns in alle Varianten der Analytik innerhalb des Lakehouse ein, einschließlich strukturierter, textueller und analoger Analytik. Erfahren Sie, wie beschreibende Daten, Datenkataloge und Metadaten den Wert des Lakehouse steigern können.
Wir schließen mit einer detaillierten Entwicklung der Datenarchitektur, vom Magnetband zum Data Lakehouse als Grundlage für KI, ML und Data Mesh.
| ISBN: | 9781634621571 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Derzeit verfügbar, auf Lager.
