Wstęp (7)

CZĘŚĆ I. PRZYGOTOWANIE (11)

1. Teoria (13)

• Agile w Big Data (13)
• Wielkie słowa (15)
• Zespoły (16)
  • Rozpoznawanie problemów i szans (18)
  • Adaptowanie do zmian (18)
• Proces wytwórczy w zwinnym Big Data (22)
• Programowanie w parach i przegląd kodu (24)
• Środowisko zwinnej pracy a produktywność (24)
  • Przestrzeń współpracy (25)
  • Przestrzeń prywatna (26)
  • Przestrzeń osobista (26)
• Pomysły na wielkoformatowych wydrukach (26)

2. Dane (29)

• E-mail (29)
• Praca z surowymi danymi (30)
  • Surowe wiadomości e-mail (30)
  • Dane ustrukturyzowane a dane na wpół ustrukturyzowane (31)
  • SQL (31)
• NoSQL (37)
  • Serializacja (38)
  • Wyodrębnianie i ujawnianie cech w ewoluującym schemacie (39)
  • Potoki danych (40)
• Perspektywy danych (40)
  • Sieci (41)
  • Szeregi czasowe (44)
  • Język naturalny (44)
  • Prawdopodobieństwo (45)
• Podsumowanie (48)

3. Narzędzia zwinności (49)

• Skalowalność = prostota (49)
• Zwinne przetwarzanie w Big Data (50)
• Konfigurowanie wirtualnego środowiska dla języka Python (52)
• Serializacja zdarzeń przez Avro (52)
  • Avro w Pythonie (53)
• Zbieranie danych (55)
• Przetwarzanie danych w Pigu (58)
  • Instalacja (58)
• Publikowanie danych w MongoDB (62)
  • Instalacja (62)
  • Instalowanie sterownika MongoDB dla Javy (63)
  • Instalowanie łącznika mongo-hadoop (63)
  • Wypychanie danych z Piga do MongoDB (63)
• Wyszukiwarka ElasticSearch (66)
  • Instalacja (66)
  • ElasticSearch i Pig - Wonderdog (66)
• Refleksja o kształcie potoku przetwarzającego (69)
• Lekkie aplikacje WWW (70)
  • Python i Flask (70)
• Prezentacja danych (72)
  • Instalacja (73)
  • Bootstrap na start (73)
  • Wizualizacja danych: D3.js i nvd3.js (78)
• Podsumowanie (78)

4. Do chmury! (81)

• Wprowadzenie (81)
• GitHub (83)
• DotCloud (84)
  • Pierwszy krok w dotCloud (85)
  • Procesy robocze w Pythonie (87)
• Amazon Web Services (87)
  • Simple Storage Service (88)
  • Elastic MapReduce (89)
  • MongoDB w wydaniu usługowym (94)
• Monitorowanie (97)
  • Google Analytics (97)
  • Mortar Data (98)

CZĘŚĆ II. W GÓRĘ PIRAMIDY (101)

5. Zbieranie i wyświetlanie rekordów (105)

• Montaż końcowy (106)
• Pobieranie i serializowanie zawartości skrzynki pocztowej (107)
• Przetwarzanie i publikowanie wiadomości e-mail (108)
• Prezentowanie wiadomości w przeglądarce (110)
  • Serwowanie wiadomości przez Flask i pymongo (110)
  • Renderowanie strony HTML5 z szablonów Jinja2 (111)
• Kontrola zwinności (115)
• Listy wiadomości (116)
  • Generowanie list wiadomości w MongoDB (116)
  • Anatomia prezentacji (119)
• Przeszukiwanie wiadomości e-mail (124)
  • Indeksowanie wiadomości - Pig, ElasticSearch i Wonderdog (124)
  • Wyszukiwanie wiadomości z poziomu aplikacji WWW (125)
• Podsumowanie (126)

6. Wizualizacja danych na wykresach (129)

• Dobre wykresy (130)
• Wyodrębnianie encji: adresy e-mail (130)
  • Wyodrębnianie adresów (131)
• Wizualizacja w przekroju czasowym (135)
• Podsumowanie (141)

7. Eksplorowanie danych w raportach (143)

• Budowanie raportów z wieloma wykresami (144)
• Łączenie rekordów (147)
• Ekstrakcja słów z wiadomości - TF-IDF (152)
• Podsumowanie (158)

8. Stawianie prognoz (161)

• Przewidywanie współczynnika odpowiedzi na wiadomości (162)
• Personalizacja (167)
• Podsumowanie (168)

9. Ukierunkowywanie działań (169)

• Właściwości skutecznych wiadomości e-mail (170)
• Lepsze przewidywanie - prosty predyktor bayesowski (171)
• P(reply|from & to) (171)
• P(reply|token) (171)
• Predykcje w czasie rzeczywistym (174)
• Rejestrowanie zdarzeń w aplikacji (177)
• Podsumowanie (179)

Skorowidz (180)

• Назва: Zwinna analiza danych. Apache Hadoop dla każdego
• Автор: Russell Jurney
• Оригінальна назва: Agile Data Science: Building Data Analytics Applications with Hadoop
• Переклад: Przemysław Szeremiota
• ISBN: 978-83-246-9945-2, 9788324699452
• Дата видання: 2015-01-18
• Формат: Eлектронна книга
• Ідентифікатор видання: zwiand
• Видавець: Helion