Tipo: Libro impreso / Print book
Encuadernación / Binding: Tapa blanda / Paperback
Tamaño / Size: 17 x 23 cm
Páginas / Pages: 356
Resumen / Summary:
Autor / Author: María Pérez Marqués
Editorial / Publisher: Alfaomega
Entrega / Delivery : Nacional / International
Envio desde / Ships from: Colombia
Condición / Condition: Nuevo / New
Tabla de contenido / Table of contents:
Introducción
Capítulo 1
Conceptos de big data
Definición, necesidad y características de big data
Aplicaciones típicas de big data
Patrones de detección del fraude
Patrones de Social Media
Patrones de modelado y gestión de riesgo
Big data y el sector de la energía
Big data en el call center
Capítulo 2
Componentes de una plataforma de big data
Plataforma de código abierto hadoop
Hadoop distributed file system (hdfs)
Hadoop mapreduce
Hadoop common
Aplicaciones de desarrollo en Hadoop
Avro
Cassandra
Chukwa
Flume
Hbase (NoSQL)
Hive
Jaql
Lucene
Oozie
Pig
ZooKeeper
Hadoop streaming
Situar datos en Hadoop
Copia de datos básica
Big Data y el campo de la investigación
Capítulo 3
Big Data con herramientas de IBM
IBM Power Systems
Hardware
Sistemas operativos
Software System
Herramientas
Analytics con Power System
IBM Solution far Hadoop Power Systems Edition
IBM Solution far Analytics Power Systems Edition
IBM BLU Acceleration Solution Power Systems Edition
IBM AIX Solution Editions para Cognos y SPSS
IBM PureData System far Operational Analytics (US)
Big Data Solution with lnfaSphere Biglnsights and Streams
IBM i para Business lntelligence (US)
IBM DB2 Web Query far i
Cloud Computing en Power Systems
Virtualization Foundation Solutions
IBM SmartCloud Entry far Power Systems
IBM Power Systems Solution Edition far Cloud
IBM Power Systems Solution Edition far Scale Out Cloud
Herramientas Avanzadas en la nube
IBM SPSS Modeler
Usando el ratón
Ayuda en Modeler
El menú Herramientas de Modeler
Ejemplo de trabajo con IBM SPSS Modeler
Insertar un nodo fuente (origen) de datos en el área de trabajo
Enlazar un nodo con una fuente de datos
Controlar la carga de datos con un nodo tabla
Definir variables predictoras con el nodo tipo
Utilizar un nodo de modelado
Ejecutar de una ruta
Predecir con un modelo
Guardar un modelo
Nodos de orígenes de datos
Nodos de operaciones con registros
Nodos de operaciones con campos
Nodos para gráficos
Nodos para modelado
Nodos de resultado
Nodos de exportación
IBM SPSS Modeler e IBM SPSS Statistics
Capítulo 4
Big Data con herramientas de Oracle
Oracle y el Big Data
Oracle Big Data Appliance
Oracle Big Data Connectors
Oracle NoSQL Database
Oracle Exadata Database
Oracle Exalytics ln-Memory Machine
Oracle Business Analytics
Oracle Business lntelligence Foundation Suite
Enterprise Performance Management
Aplicaciones analíticas
lnformation Discovery
Advanced Analytics
Nube
Soluciones de datos rápidos de Oracle
Oracle Social Cloud
Capítulo 5
Big Data con herramientas de Microsoft
Microsoft y el Big Data
Solución Big Data de Microsoft
Acceso a Hadoop
Adaptación de Hadoop para la empresa
Aprovechamiento de información
El papel de SQL Server
Los orígenes de Hadoop. La nube
HDlnsight
Escalamiento con total flexibilidad a petición
Análisis de datos semiestructurados, estructurados y no estructurados
Desarrollo en el lenguaje favorito. Hardware
Excel para visualizar datos de Hadoop
Los clusters locales de Hadoop y la nube
HDlnsight y HBase
Conceptos esenciales en Azure HDlnsight
Datos de gran tamaño
Apache Hadoop
MapReduce
HDlnsight
El ecosistema Hadoop en Azure
Pig
Hive
Sqoop
Herramientas de Business lntelligence y conectores
Escenarios de datos de gran tamaño en HDlnsight
Introducción al uso de HDlnsight de Azure
Requisitos previos
Configuración de un entorno local para ejecutar PowerShell
Aprovisionamiento de un cluster de HDlnsight
Ejecución de un trabajo WordCount de MapReduce
Conexión a las herramientas de inteligencia empresarial de Microsoft
Uso de MapReduce con HDlnsight
Escenario
Ejecución de la muestra con Azure PowerShell
El código Java para el programa de recuento de palabras de MapReduce
Carga de datos en HDlnsight
Carga de datos en el almacenamiento de blobs usando AzCopy
Carga de datos en el almacenamiento de blobs usando Azure PowerShell
Carga de datos en el almacenamiento de blobs usando el explorador de almacenamiento de Azure
Carga de datos en el almacenamiento de blobs usando la línea de comandos de HadoopImportación de datos a HDFS desde base de datos SQL o SQL Server usando Sqoop
Administración de HDlnsight con PowerShell
Aprovisionamiento de un cluster de HDlnsight
Enumeración y visualización de clusters
Eliminación de un cluster
Concesión/Revocación del acceso a los servicios de HTIP
Envío de trabajos de MapReduce
Envío de trabajos de Hive
Introducción al emulador de HDlnsight
Instalación del emulador de HDlnsight
Ejecución de un trabajo de MapReduce de recuento de palabras
Ejecución de los ejemplos de introducción
Los escenarios de datos del registro de 115 w3c
Carga de los datos de ejemplo del registro de w3c
Ejecución de trabajos de MapReduce de Java
Ejecución de trabajos de Hive
Ejecución de trabajos de Pig
Recompilación de los ejemplos
Almacenamiento de blobs de Azure
Conexión con el emulador de almacenamiento
Conexión con el almacenamiento de blobs de Azure
Uso de un contenedor de almacenamiento de blobs de Azure como sistema de archivos predeterminado
Ejecución de HDlnsight PowerShell
Uso del almacenamiento de blobs de Azure con HDlnsight
Arquitectura de almacenamiento de HDlnsight
Ventajas del almacenamiento de blobs de Azure
Preparación de un contenedor para el almacenamiento de blobs
Creación de un contenedor de blobs para HDlnsight usando el Portal de administración
Creación de un contenedor usando Azure PowerShell
Archivos de dirección en almacenamiento de blobs
Acceso a un blob usando Azure PowerShell
Capítulo 6
Hive, Pig, Oozie, MapReduce y Excel en HDlnsight
Utilizando Hive con Hdlnsight
Uso de Hive
Carga de archivos de datos al almacenamiento de blobs
Ejecución de las consultas de Hive usando PowerShell
Utilizando Pig con HDlnsight
Uso de Pig
Carga de archivos de datos al almacenamiento de blobs
Descripción de Pig Latin
Ejecución de Pig Latin usando PowerShell
Utilizando Oozie con HDlnsight
Definición del flujo de trabajo de Oozie y el script de HiveQL relacionado
Implementación del proyecto de Oozie y preparación del ejemplo
Ejecución de proyecto de Oozie
Desarrollo de programas MapReduce de Java para HDlnsight
Desarrollo de un programa de MapReduce para el recuento de palabras en Java
Prueba del programa en el emulador
Carga de archivos de datos al almacenamiento de blobs de Azure
Ejecución del programa de MapReduce en HDlnsight de Azure
Recuperación del resultado del trabajo de MapReduce
Conexión de Excel a HDlnsight con Power Query
Instalación de Microsoft Power Query para Excel
Importación de datos de HDlnsight a Excel
Conexión de Excel a HDlnsight con Microsoft Hive ODBC driver
Instalación de Microsoft Hive ODBC driver
Creación de un origen de datos de Hive ODBC
Importación de datos a Excel desde un cluster de HDlnsight
Capítulo 7
Business intelligence y Big Data con Microsoft SQL Server
SQL Server 2014 y el Big Data
Características de Big Data y Business lntelligence en Microsoft BI SQL Server
PowerPivot para SharePoint 2013
PowerPivot para SharePoint 2010
Power View para SharePoint Server: crear, guardar e imprimir informes
Crear un informe en Power View para SharePoint Server
Abrir un informe existente de Power View
Guardar un informe
Permisos para Power View
Exportar a PowerPoint desde Power View en SharePoint
Actualizar los datos del informe
Imprimir vistas en un informe de Power View para SharePoint Server
Informes de Power View basados en modelos de datos
Descripción de los objetos de modelo multidimensional de Power View
Gráficos y otras visualizaciones en Power View
Gráficos circulares
Gráficos de dispersión y de burbujas
Gráficos de líneas, barras y columnas
Gráficos de barras
Gráficos de columnas
Gráficos de líneas
Mapas
Múltiplos: un conjunto de gráficos con los mismos ejes
Matrices
Tarjetas
Mosaicos
Analysis Services, lntegration Services y Reporting Services
Informes de Reporting Services (SSRS)
SQL Server lntegration Services
Analysis services
Capítulo 8
Herramientas de Big Data en SAS
Hadoop y Big Data en SAS
SAS, Hadoop y el proceso analítico
Big Data y soluciones Hadoop de SAS
Acceso y administración de datos de Hadoop
Explorar, visualizar y tratar datos científicos
Analizar y modelizar
Implementar e integrar
SAS/ACCESS interface to Hadoop
Características
Requisitos del sistema
Software de SAS requerido
SAS Data Management
Características
Requisitos del sistema
SAS servidor de federación
Características
Requisitos del sistema
Software SAS Base
Características
Requisitos del sistema
Herramientas para explorar y visualizar datos científicos
SAS Visual Analytics
Características
Requisitos del sistema. Entorno de servidor
Requisitos del sistema. Entorno del cliente
Software necesario
Soporte al cliente de BI móvil SAS
SAS ln-Memory Statistics far Hadoop
Características
Requisitos del sistema
Índice analítico
