Podemos dividir los sistemas de bases de datos como compatibles con OLTP u OLAP. MySQL cae a la categoría OLTP. Este tipo de bases de datos se utilizan para soportar las necesidades de almacenamiento de datos para los sistemas de producción. No son particularmente útiles para consultas analíticas que se utilizan para profundizar en los datos. Las bases de datos de tipo MPP OLAP como Redshift, Vertica son más útiles en este tipo de tareas.
La forma principal en que MySQL es importante para la ciencia de datos es porque algunos o la mayoría de los datos sin procesar se almacenarían en MySQL, si se utilizan para soportar las necesidades OLTP de la organización. Por lo tanto, estos datos serían necesarios para exportarlos para el aprendizaje automático u otras tareas de análisis. Por lo general, se leerá de la réplica. Pero ahora la mayoría de las organizaciones dependen de registros de aplicaciones en lugar de leer réplicas de MySQL debido a la latencia que se introduce cuando usamos la réplica.
- ¿Cómo va a medir la similitud de dos voces utilizando la ciencia de datos?
- ¿El análisis de big data realmente puede ayudar a tomar decisiones comerciales?
- ¿Sería la programación asincrónica una habilidad importante para un ingeniero de datos?
- ¿Cuál es el vínculo entre el análisis web y el aprendizaje automático? Fui entrevistado para un rol de ciencia de datos / aprendizaje automático y me ofrecieron el trabajo de analista web. ¿Es similar?
- ¿Cómo podemos usar el aprendizaje automático y la ciencia de datos para tener un impacto significativo en el campo agrícola en la India?