Дайджест статей по анализу данных и big data
Частенько читаю Хабр и заметил что в последнее время появились Дайджесты новостей по многим тематикам, таким как веб-разработка на php, разработка на Python, мобильные приложения, но не встретил ни одного подборки по популярному сейчас направлению, а именно анализу данных и big data.
Ниже я решил собрать небольшую подборку материалов по данной теме. Т.к. на русском материалов не так много, в данный дайджест попали в основном англоязычные статьи.
Кого заинтересовала данная тема прошу подкат. А также жду замечаний, пожеланий и дополнений, буду очень рад обратной связи.
Теория
- Алгоритм ранжирования и NFL (Часть 1) [1]
- Архитектура хранилищ данных [2]
- С чего начать изучение анализа данных [3]
- Что должен знать аналитик о вычислениях с плавающей точкой [4]
- Как обнаружить ложные корреляции и найти верные [5]
- Пример использования Map-Reduce на реальных данных [6]
Книги
Практика использования различных инструментов
- Реализация сверхточной нейронной сети на Python [8]
- Использование AQL для анализа Twitter [9]
- Чтение и запись по протоколу Redis с помощью Go [10]
- Hive vs Pig. На что мне столько ETL? [11]
- Превосходные возможности plot.ly [12]
Обучающие видео
Разные статьи по теме
- Автоматическая определение криминальных сайтов с использованием методов кластеризации [15]
- Мини-исследование: 4 функциональных группы специалистов по анализу [16]
- 50 образцовых компаний использующих «большие данные» [17]
- Можно ли строить искусственный сверхразум без полного копирования человеческого мозга [18]
- Потенциал для «больших данных» для изучения Вселенной [19]
- 6 категорий специалистов по данным [20]
- 66 вопросов для собеседования со специалистом по анализу данных [21]
- Что прогнозная аналитика? [22]
- Можем ли мы придумать показатель, лучше R-квадрат? [23]
- История статистики [24]
- Подборка статей по SQL, BI, анализу и визуализации данных () [25]
- «Большие данные» нужны аналитикам, но аналитики не нужны им [26]
- 50 новых инструментов для анализа и визуализации данных [27]
Автор: kuznetsovin
Источник [28]
Сайт-источник PVSM.RU: https://www.pvsm.ru
Путь до страницы источника: https://www.pvsm.ru/analiz-danny-h/60543
Ссылки в тексте:
[1] Алгоритм ранжирования и NFL (Часть 1): http://thespread.us/?p=258
[2] Архитектура хранилищ данных: http://www.datasciencecentral.com/profiles/blogs/data-warehouse-architecture
[3] С чего начать изучение анализа данных: http://www.datasciencecentral.com/profiles/blogs/starting-down-the-path-of-data-science
[4] Что должен знать аналитик о вычислениях с плавающей точкой: http://docs.oracle.com/cd/E19957-01/806-3568/ncg_goldberg.html
[5] Как обнаружить ложные корреляции и найти верные: http://www.datasciencecentral.com/profiles/blogs/tutorial-how-to-detect-spurious-correlations-and-how-to-find-the-
[6] Пример использования Map-Reduce на реальных данных: http://www.datasciencecentral.com/profiles/blogs/practical-illustration-of-map-reduce-hadoop-style-on-real-data
[7] Более 100 книг по анализу и визуализации «больших данных»: http://www.datasciencecentral.com/profiles/blogs/more-than-100-data-science-analytics-big-data-visualization-books
[8] Реализация сверхточной нейронной сети на Python: https://github.com/siddharth950/Convolutional-Neural-Network
[9] Использование AQL для анализа Twitter: http://thinkingonthinking.com/aql-for-twitter-analysis/
[10] Чтение и запись по протоколу Redis с помощью Go: http://www.redisgreen.net/blog/2014/05/16/reading-and-writing_redis_protocol/
[11] Hive vs Pig. На что мне столько ETL?: http://habrahabr.ru/post/223217/
[12] Превосходные возможности plot.ly: http://stevemaier.wordpress.com/2014/05/17/the-mind-blowing-possibilities-of-plot-ly
[13] NoSQLMap — автоматизация использования NoSQL : https://www.youtube.com/watch?v=q33MZl98ST4
[14] Подборка вебинаров для аналитиков данных: http://www.datasciencecentral.com/video/video/listFeatured
[15] Автоматическая определение криминальных сайтов с использованием методов кластеризации: http://www.datasciencecentral.com/profiles/blogs/automatic-identification-of-replicated-criminal-websites-using
[16] Мини-исследование: 4 функциональных группы специалистов по анализу: http://www.datasciencecentral.com/profiles/blogs/research-brief-four-functional-clusters-of-analytics
[17] 50 образцовых компаний использующих «большие данные»: http://sandhill.com/article/sand-hill-50-swift-and-strong-in-big-data/
[18] Можно ли строить искусственный сверхразум без полного копирования человеческого мозга: http://hplusmagazine.com/2014/05/19/is-it-possible-to-build-an-artificial-superintelligence-without-fully-replicating-the-human-brain/
[19] Потенциал для «больших данных» для изучения Вселенной: http://www.datasciencecentral.com/profiles/blogs/biggest-potential-for-big-data-the-expanding-universe-of-unknown?xg_source=activity
[20] 6 категорий специалистов по данным: http://www.datasciencecentral.com/profiles/blogs/six-categories-of-data-scientists
[21] 66 вопросов для собеседования со специалистом по анализу данных: http://www.datasciencecentral.com/profiles/blogs/66-job-interview-questions-for-data-scientists
[22] Что прогнозная аналитика?: http://www.predictiveanalyticstoday.com/what-is-predictive-analytics/
[23] Можем ли мы придумать показатель, лучше R-квадрат?: http://tomhopper.me/2014/05/16/can-we-do-better-than-r-squared/
[24] История статистики: http://www.amstat.org/asa175/statcomputing.cfm
[25] Подборка статей по SQL, BI, анализу и визуализации данных (): http://searchsqlserver.techtarget.com/essentialguide/Guide-to-SQL-business-intelligence-analytics-and-data-visualization
[26] «Большие данные» нужны аналитикам, но аналитики не нужны им: http://analytical-solution.com/2013/06/19/data-science-rocks
[27] 50 новых инструментов для анализа и визуализации данных: http://www.fdfgroup.ru/?id=354
[28] Источник: http://habrahabr.ru/post/223903/
Нажмите здесь для печати.