• Produktbild: Big Data Analytics
  • Produktbild: Big Data Analytics

Big Data Analytics A Guide to Data Science Practitioners Making the Transition to Big Data

99,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.09.2023

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Raster, farbig, Zeichnungen, schwarz-weiss, Zeichnungen, farbig

Verlag

Taylor & Francis

Seitenzahl

310

Maße (L/B/H)

25,4/17,8/1,8 cm

Gewicht

460 g

Sprache

Englisch

ISBN

978-1-03-245814-4

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

04.09.2023

Abbildungen

schwarz-weiss Illustrationen, farbige Illustrationen, Raster, farbig, Zeichnungen, schwarz-weiss, Zeichnungen, farbig

Verlag

Taylor & Francis

Seitenzahl

310

Maße (L/B/H)

25,4/17,8/1,8 cm

Gewicht

460 g

Sprache

Englisch

ISBN

978-1-03-245814-4

Herstelleradresse

Produktsicherheitsverantwortliche/r
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern

Die Leseprobe wird geladen.
  • Produktbild: Big Data Analytics
  • Produktbild: Big Data Analytics
  • Part 1. Setting the Scene: Analyzing Big Data 1. What is Big in "Big Data"? 2. Approaches to Analyzing Big Data 3. The Two Domains of Big Data Analytics Part 2. Platform: Software and Computing Resources 4. Software: Programming with (Big) Data 5. Hardware: Computing Resources 6. Distributed Systems 7. Cloud Computing Part 3. Components of Big Data Analytics 8. Data Collection and Data Storage 9. Big Data Cleaning and Transformation 10. Descriptive Statistics and Aggregation 11. (Big) Data Visualization Part 4. Application: Topics in Big Data Econometrics 12. Bottlenecks in Everyday Data Analytics Tasks 13. Econometrics with GPUs 14. Regression Analysis and Categorization with Spark and R 15. Large-scale Text Analysis with sparklyr Part 5. Appendices Appendix A. GitHub Appendix B. R Basics Appendix C. Install Hadoop