Início IA, ML e Engenharia de Dados no InfoQ Brasil
Artigos
Feed RSS-
/articles/role-of-a-data-scientist-in-2016/pt/smallimage/data-science-logo.jpg)
O papel de um cientista de dados em 2016
O papel do Cientista de Dados está ganhando muita atenção ultimamente, devido ao fato das organizações começarem a utilizar Big Data e análise de dados para adquirir insights a respeito de seus dados. Este artigo apresenta uma visão sobre o papel do Cientista de Dados para o ano de 2016.
-
/articles/spark-in-action-book-review/pt/smallimage/spark-in-action.jpg)
Spark in Action revisão e entrevista com autores
No livro Spark in Action, os autores Petar Zečević e Marko Bonaci falam sobre o Apache Spark para processamento de dados em lote e streaming de dados. Os autores apresentam uma introdução da arquitetura do Spark e os principais conceitos, como Resilient Distributed Datasets (RDDs). Em entrevista ao InfoQ, os autores falaram sobre ferramentas, funcionalidades e melhorias em versões futuras.
-
/articles/livro-mit-deep-learning/pt/smallimage/100x100artigo.jpg)
Deep Learning online: um resumo do novo livro gratuito do MIT
O livro Deep Learning, concebido por uma equipe do MIT formada por Ian Goodfellow, Yoshua Bengio e Aaron Courville, e criado para auxiliar estudantes e praticantes de computação a entrar no campo de aprendizado de máquina e em particular no mundo de Deep Learning. Disponibilizado pelo MIT, o livro está disponível para download ou leitura online. Veja um resumo neste artigo
-
/articles/apache-spark-sql/pt/smallimage/logo2.png)
Big Data com Apache Spark Parte 2: Spark SQL
O Spark SQL, é parte integrante do framework de Big Data Apache Spark, utilizado para processamento de dados estruturados, que permite executar consultas SQL no conjunto de dados do Spark. É possível realizar tarefas ETL sobre os dados em diferentes formatos, como por exemplo JSON, Parquet, banco de dados e com isto, executar consultas ad-hoc.
-
/articles/apache-spark-introduction/pt/smallimage/logo2.png)
Big Data com Apache Spark - Parte 1: Introdução
O Apache Spark é um framework de big data construído para ser veloz, fácil de usar e com analises sofisticadas. Nesse artigo, Srini Penchikala mostra como o Spark ajuda no processamento e analise de Big Data com sua API padrão. Também compara o Spark com a implementação tradicional de MapReduce do Apache Hadoop.
-
/articles/mapreduce-vs-spark/pt/smallimage/image100.jpg)
Um comparativo entre MapReduce e Spark para analise de Big Data
MapReduce e Spark são os dois frameworks mais populares existentes atualmente para computação em cluster e análise de dados de larga escala (Big Data). Este artigo, apresenta a avaliação dos principais componentes arquiteturais do MapReduce e do Spark incluindo: shuffle, modelo de execução e cache por meio de um conjunto de dados a serem processados.
-
/articles/machine-learning-and-cognitive-computing/pt/smallimage/logo-ieee.jpg)
Aprendizado de Máquina e Computação Cognitiva
Baseado em um webinar sobre análise de dados, este artigo compreende tópicos sobre aprendizado de máquina e computação cognitiva, e como essas áreas estão relacionadas à Inteligência Artificial. Os palestrantes discutem como estas tecnologias estão sendo aplicadas no segmento de marketing digital e quais as preocupações que as organizações possuem para prover serviços de aprendizado de máquina.
-
/articles/hadoop-na-nuvem/pt/smallimage/hadoop_100_100.jpg)
Hadoop na nuvem
Os provedores de soluções Hadoop, atualmente dentre as mais populares tecnologias de Big Data em ambientes de nuvem pública ou privada evoluíram. Há diversos fornecedores de soluções baseadas em Hadoop no mercado, como Cloudera, HortonWorks e MapR, provendo variadas soluções em nuvem. Este artigo, apresenta uma análise deste novo panorama.
-
/articles/postgresql-schemaless/pt/smallimage/image01.png)
PostgreSQL: Armazenamento de dados em formato "schemaless"
No mundo NoSQL, schemaless é um recurso largamente anunciado como vantagem competitiva. Basicamente, significa não se preocupar com normalização de dados. Em teoria, este recurso permite armazenar dados sem um conhecimento prévio de chaves ou tipos de dados. Este artigo apresenta uma solução ao utilizar o PostgreSQL para armazenar e tratar dados em formato schemaless usando o Hstore.