Libros ciclos formativos, grado superior de informática, ASIR, DAM, DAW, libros universitarios: libros ingeniería aeronáutica, libros ingeniería civil, ingeniería de caminos: ingeniería construcción, ingeniería sanitaria, ingeniería del transporte, ingeniería hidráulica, territorio, urbanismo, materiales de construcción, libros ingeniería geológica: geotecnia, expresión gráfica, proyectos, libros ingeniería mecánica: estructuras, resistencia de materiales, libros ingeniería eléctrica, libros ingeniería electrónica: labview, libros termodinámica, libros de electricidad, libros de construcción, libros arquitectura, libro de ciencias: matemáticas: álgebra, cálculo, matemáticas avanzadas, estadística, probabilidad, big data, tratamiento de datos, econometría, química, física, libros contabilidad, PGC, libros finanzas, organización empresas, marketing, libros economía, libros ciencias sociales, libros educación infantil, libros técnicos y reglamentos: eléctricos, construcción, libros informática, computación, libros ciencias de la salud

5% de descuento general para todos los libros
BIG DATA ANALYTICS con herramientas de SAS, IBM, ORACLE Y MICROSOFT

César Pérez

Páginas: 450

Fecha: 2015

ISBN: 978-84-1622-835-5

Precio: 36,00€  34.20€ IVA incluido  

Recomienda este libro

Otros libros relacionados
Se conoce como Big Data el tratamiento y análisis de grandes cantidades de datos, cuyo tamaño hace imposible manejarlos con las herramientas de bases de datos y analíticas convencionales. La proliferación de páginas web, aplicaciones de imagen y vídeo, redes sociales, dispositivos móviles, apps, sensores y otros dispositivos modernos capaces de generar enormes cantidades de datos han hecho necesario el desarrollo de herramientas de Big Data para su análisis. Hablamos de un entorno absolutamente relevante para muchos aspectos, desde el análisis de fenómenos naturales como el clima o de datos sismográficos, hasta entornos como salud, seguridad o, por supuesto, el ámbito empresarial.

En cuanto a las herramientas de Big Data se observa un desarrollo creciente. Oracle utiliza Exadata para estos propósitos, SAS utiliza Visual Analytics y otras herramientas, Microsoft utiliza Windows Azure y en código abierto destaca Hadoop, un framework sumamente popular en este campo que permite a las aplicaciones trabajar con enormes repositorios de datos y miles de nodos inspirado en herramientas de Google como MapReduce o Google File System. IBM utiliza Power System e IBM SPSS Modeler.

CONTENIDO


    Capítulo 1. DATA MINING, BUSINESS INTELLIGENCE Y BIG DATA

      1.1 INTRODUCCIÓN
      1.2 TÉCNICAS MODERNAS DE TRATAMIENTO DE DATOS: BIG DATA, DATA MINING Y BUSINESS INTELLIGENCE
      1.3 ANALYTICS Y TÉCNICAS DE MINERÍA DE DATOS
      1.4 ANALYTICS E INTELIGENCIA DE NEGOCIOS
      1.5 BIG DATA Y HADOOP

    Capítulo 2. INTRODUCCIÓN A SAS VISUAL ANALYTICS. ENTORNO DE TRABAJO

      2.1 VISUAL ANALYTICS
      2.2 VENTAJAS DE SAS VISUAL ANALYTICS
      2.3 EL ENTORNO DE TRABAJO DE SAS VISUAL ANALYTICS
      2.4 ACCESO A SAS VISUAL ANALYTICS
      2.5 ACERCA DE LA DISPONIBILIDAD DE LOS MENÚS Y LAS SELECCIONES DE MENÚ EN SAS VISUAL ANALYTICS
      2.6 PRIMER VISTAZO A LA PÁGINA DE INICIO DE SAS VISUAL ANALYTICS
      2.7 GESTIÓN DE CONTENIDO EN LA PÁGINA DE INICIO
      2.8 TRABAJANDO CON EL PANEL DE LA DERECHA EN LA PÁGINA DE INICIO
      2.9 EXPLORANDO DATOS USANDO EL INSPECTOR DE OBJETOS EN LA PÁGINA DE INICIO
      2.10 GESTIÓN DE COLECCIONES EN LA PÁGINA DE INICIO
      2.11 AGREGAR COMENTARIOS A LOS OBJETOS EN LA PÁGINA DE INICIO
      2.12 ESPECIFICAR SUS PREFERENCIAS
      2.13 ACCESO A DATOS
      2.14 ADMINISTRANDO ACCESO A DATOS

    Capítulo 3. SAS VISUAL ANALYTICS DATA BUILDER

      3.1 DATA BUILDER (GENERADOR DE DATOS)
      3.2 ACCESO A DATOS MEDIANTE DBMS
      3.3 TRABAJANDO CON FORMATOS DEFINIDOS POR EL USUARIO
      3.4 ESPECIFICAR SUS PREFERENCIAS PARA EL GENERADOR DE DATOS
      3.5 CONSULTA DE DATOS
      3.6 CREANDO CONSULTAS DE DATOS
      3.7 GUARDAR UNA CONSULTA DE DATOS COMO UNA NUEVA DATA QUERY
      3.8 USANDO LA PESTAÑA DE DISEÑO
      3.9 AGREGAR UN ORIGEN DE DATOS
      3.10 ESPECIFICAR PROPIEDADES PARA UNA CONSULTA DE DATOS
      3.11 TABLAS
      3.12 ESPECIFICAR PROPIEDADES DE UNA TABLA DE ORIGEN
      3.13 TABLAS DE SALIDA
      3.14 AGREGAR COLUMNAS PARA UNA CONSULTA DE DATOS
      3.15 QUITAR COLUMNAS
      3.16 ESPECIFICAR UNA EXPRESIÓN DE COLUMNA
      3.17 ESPECIFICAR AGREGACIONES
      3.18 QUITAR TODAS LAS AGREGACIONES
      3.19 USANDO GRUPO DE VARIABLES
      3.20 USANDO FUNCIONES DE AUTO-AGREGADO
      3.21 USANDO EL PIVOTE POR CARACTERÍSTICA
      3.22 ACERCA DEL FILTRADO DE DATOS
      3.23 ESPECIFICANDO UNA CLÁUSULA WHERE
      3.24 ESPECIFICAR UNA CLÁUSULA HAVING
      3.25 CONSEJOS PARA USO DE FILTROS
      3.26 ACERCA DE UNION
      3.27 ¿CÓMO FUNCIONA LA FUNCIÓN DE COMBINACIÓN AUTOMÁTICA?
      3.28 AGREGAR UN ÚNETE
      3.29 ELIMINAR UN JOIN
      3.30 GESTIÓN DE UNIÓN EN UNA CONSULTA DE DATOS

    Capítulo 4. SAS VISUAL ANALYTICS EXPLORER

      4.1 INTRODUCCIÓN
      4.2 LA VENTANA DE BIENVENIDA
      4.3 PRIMER VISTAZO AL EXPLORADOR
      4.4 ESPECIFICAR SUS PREFERENCIAS PARA EL EXPLORADOR
      4.5 CREAR UNA NUEVA EXPLORACIÓN
      4.6 ELIMINAR EXPLORACIONES
      4.7 GESTIÓN DE PROPIEDADES DE DATOS
      4.8 IMPORTACIÓN LOCAL DE FUENTES DE DATOS
      4.9 ABRIR UN ORIGEN DE DATOS DIFERENTE COMO UNA NUEVA EXPLORACIÓN
      4.10 CAMBIO DEL ORIGEN DE DATOS PARA LA EXPLORACIÓN
      4.11 ACTUALIZAR FUENTE DE DATOS
      4.12 CREANDO DATOS CALCULADOS
      4.13 CREANDO MEDIDAS AGREGADAS
      4.14 CREANDO ELEMENTOS DERIVADOS
      4.15 EDITAR UN AGREGADO CALCULADO O DERIVADOS DE ELEMENTOS DE DATOS
      4.16 ELIMINAR UN ELEMENTO CALCULADO, AGREGADOS O DERIVADOS DE ELEMENTOS DE DATOS
      4.17 DUPLICAR UN ELEMENTO DE DATOS
      4.18 DEFINIR UN ELEMENTO DE DATOS GEOGRAFICO
      4.19 DEFINIR ELEMENTOS DE DATOS DE TEXT ANALYTICS

    Capítulo 5. VISUALIZACIONES EN SAS VISUAL ANALYTICS

      5.1 INTRODUCCIÓN A LAS VISUALIZACIONES
      5.2 TRABAJANDO CON VISUALIZACIONES
      5.3 ADMINISTRANDO DATOS EN VISUALIZACIONES
      5.4 RANKING DE DATOS
      5.5 ADMINISTRAR EJES DE VISUALIZACIONES
      5.6 TRABAJANDO CON RANGOS DE VISUALIZACIÓN DE DATOS Y GRADIENTES DE COLOR
      5.7 TRABAJANDO CON DATOS RESALTADOS
      5.8 TRABAJANDO CON GRÁFICOS AUTOMÁTICOS
      5.9 TRABAJANDO CON GRÁFICOS DE BARRAS
      5.10 TRABAJANDO CON GRÁFICOS DE LÍNEAS
      5.11 PREDICCIÓN
      5.12 TRABAJANDO CON TABLAS
      5.13 TRABAJANDO CON TABLAS CRUZADAS
      5.14 ADMINISTRANDO FILAS Y COLUMNAS EN UNA TABLA DE REFEERENCIAS CRUZADAS
      5.15 CREAR UNA JERARQUÍA DE UN DE TABLA DE REFERENCIAS CRUZADAS
      5.16 TRABAJANDO CON GRÁFICOS DE DISPERSIÓN
      5.17 APLICANDO ANÁLISIS DE DATOS
      5.18 TRABAJANDO CON GRÁFICOS DE BURBUJA
      5.19 TRABAJANDO CON DIAGRAMAS DE RED
      5.20 TRABAJANDO CON HISTOGRAMAS
      5.21 TRABAJANDO CON GRÁFICOS DE CAJA Y BIGOTES
      5.22 TRABAJANDO CON MAPAS DE CALOR
      5.23 TRABAJANDO CON MAPAS GEOGRÁFICOS (GEO MAPAS)
      5.24 TRABAJANDO CON LOS GRÁFICOS DE MOSAICOS (TREEMAPS)
      5.25 TRABAJANDO CON MATRICES DE CORRELACIÓN
      5.26 TRABAJANDO CON ÁRBOLES DE DECISIÓN
      5.27 TRABAJANDO CON NUBES DE PALABRAS

    Capítulo 6. FILTROS, JERARQUÍAS, INFORMES Y ANÁLISIS DE DATOS

      6.1 TRABAJANDO CON FILTROS
      6.2 TRABAJANDO CON FILTROS AVANZADOS
      6.3 EDITANDO LA EXPRESIÓN DE UN FILTRO
      6.4 EXPORTAR UNA EXPLORACIÓN VISUAL COMO UN INFORME
      6.5 EXPORTAR UNA EXPLORACIÓN VISUAL COMO UN ARCHIVO PDF
      6.6 GUARDAR UNA VISUALIZACIÓN COMO UN ARCHIVO DE IMAGEN
      6.7 ACERCA DE LA EXPORTACIÓN DE DATOS DE UNA VISUALIZACIÓN
      6.8 ENVIAR POR CORREO ELECTRÓNICO UNA EXPLORACIÓN VISUAL COMO UN ENLACE
      6.9 ¿QUÉ ES UNA JERARQUÍA?
      6.10 CREAR UNA NUEVA JERARQUÍA
      6.11 DERIVAR UNA JERARQUÍA DE UNA FECHA, HORA O DATETIME
      6.12 CREAR UNA JERARQUÍA DE UNA VISUALIZACIÓN
      6.13 EDITAR UNA JERARQUÍA
      6.14 ELIMINAR UNA JERARQUÍA
      6.15 RESÚMENES DE ANÁLISIS DE DATOS EN SAS VISUAL ANALYTICS EXPLORER
      6.16 INFORMES. SAS VISUAL ANALYTICS DESIGNER
      6.17 BUSINESS INTELLIGENCE MÓVIL

    Capítulo 7. SAS VISUAL STATISTICS

      7.1 INTRODUCCIÓN
      7.2 INICIO Y ENTORNO DE TRABAJO
      7.3 INTERFAZ DE USUARIO
      7.4 MODELO LINEAL DE REGRESIÓN MÚLTIPLE
      7.5 MODELO DE REGRESIÓN LOGÍSTICA
      7.6 MODELO LINEAL GENERALIZADO
      7.7 ÁRBOLES DE DECISIÓN
      7.8 ANÁLISIS CLÚSTER
      7.9 COMPARACIÓN DE MODELOS

    Capítulo 8. SOLUCIONES HADOOP DE SAS. SAS HIGH PERFORMANCE ANALYTICS Y SAS IN-MEMORY STATISTICS

      8.1 INTRODUCCIÓN
      8.2 SAS HIGH-PERFORMANCE ANALYTICS
      8.3 SAS HIGH-PERFORMANCE STATISTICS
      8.4 SAS HIGH-PERFORMANCE DATA MINING
      8.5 SAS HIGH-PERFORMANCE TEXT MINING
      8.6 HIGH-PERFORMANCE OPTIMIZATION
      8.7 SAS IN-MEMORY STATISTICS FOR HADOOP

    Capítulo 9. BIG DATA ANALYTICS CON HERRAMIENTAS DE IBM

      9.1 INTRODUCCIÓN
      9.2 ANALYTICS CON POWER SYSTEM
      9.3 IBM SPSS MODELER
      9.4 EJEMPLO DE TRABAJO CON IBM SPSS MODELER
      9.5 NODOS DE ORÍGENES DE DATOS
      9.6 NODOS DE OPERACIONES CON REGISTROS
      9.7 NODOS DE OPERACIONES CON CAMPOS
      9.8 NODOS PARA GRÁFICOS
      9.9 NODOS PARA MODELADO
      9.10 NODOS DE RESULTADO
      9.11 NODOS DE EXPORTACIÓN
      9.12 IBM SPSS MODELER E IBM SPSS STATISTICS
      9.13 MODELIZACIÓN AUTOMÁTICA EN IBM SPSS MODELER
      9.14 EL NODO CLASIFICADOR AUTOMÁTICO DE IBM SPSS MODELER
      9.15 EL ALGORITMO AUTONUMÉRICO DE IBM SPSS MODELER
      9.16 EL ALGORITMO AUTOCONGLOMERACIÓN DE IBM SPSS MODELER

    Capítulo 10. TÉCNICAS DE MODELADO Y REDES NEURONALES CON IBM SPSS MODELER

      10.1 INTRODUCCIÓN
      10.2 TÉCNICAS DE MODELADO PREDICTIVO CON IBM SPSS MODELER
      10.3 EL NODO DISCRIMINANTE: MODELOS DE ANÁLISIS DISCRIMINANTE
      10.4 FUNCIONAMIENTO DE UNA RED NEURONAL
      10.5 REDES NEURONALES CON IBM SPSS MODELER

    Capítulo 11. TÉCNICAS DE SEGMENTACIÓN CON IBM SPSS MODELER. CLÚSTER CON REDES NEURONALES

      11.1 INTRODUCCIÓN
      11.2 ANÁLISIS CLÚSTER CON REDES NEURONALES: NODO KOHONEN
      11.3 SEGMENTACIÓN Y PERFILADO CON ÁRBOLES DE DECISIÓN
      11.4 CARACTERÍSTICAS DE LOS ÁRBOLES DE DECISIÓN
      11.5 TIPOS DE ÁRBOLES DE DECISIÓN
      11.6 ÁRBOLES DE DECISIÓN CON IBM SPSS MODELER

    Capítulo 12. BIG DATA ANALYTICS CON HERRAMIENTAS DE ORACLE Y MICROSOFT

      12.1 INTRODUCCIÓN
      12.2 ORACLE BIG DATA APPLIANCE
      12.3 ORACLE BIG DATA CONNECTORS
      12.4 ORACLE NOSQL DATABASE
      12.5 ORACLE EXADATA DATABASE MACHINE
      12.6 ORACLE EXALYTICS IN-MEMORY MACHINE
      12.7 ORACLE BUSINESS ANALYTICS
      12.8 ORACLE BUSINESS INTELLIGENCE FOUNDATION SUITE
      12.9 ENTERPRISE PERFORMANCE MANAGEMENT
      12.10 APLICACIONES ANALÍTICAS
      12.11 INFORMATION DISCOVERY
      12.12 ADVANCED ANALYTICS
      12.13 NUBE
      12.14 HERRAMIENTAS DE BIG DATA ANALYTICS EN MICROSOFT
      12.15 HDINSIGHT
      12.16 EL ECOSISTEMA HADOOP EN AZURE
      12.17 ESCENARIOS DE DATOS DE GRAN TAMAÑO EN HDINSIGHT
      12.18 INTRODUCCIÓN AL USO DE HDINSIGHT DE AZURE
      12.19 USO DEL ALMACENAMIENTO DE BLOBS DE AZURE CON HDINSIGHT
Libros técnicos y Reglamentos para profesionales, Ingenieros, Arquitectos e Instaladores del sector eléctrico (electricidad), construcción, climatización Contabilidad, Plan general de Contabilidad y Pymes. Libros para Ciclos Formativos y Programas de Cualificación Profesional Inicial, PCPI, de Peluquería e Informática. Libros universitarios de Ciencias, físico-química, químico-física, Ingeniería, Matemáticas, Estadística, Software SPSS

Política de Cookies

Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación.
Puede obtener más información consultando nuestra Política de Cookies y puede cambiar su configuración editando las Preferencias.

Cookies necesarias para el correcto uso de la web, como por ejemplo inicio de sesión, autenticación o seguridad.

Permiten medir, de forma anónima, el número de visitas o la actividad. Gracias a ellas podemos mejorar constantemente introduciendo mejoras en función del análisis de los datos de uso que hacen los usuarios del servicio.