El criterio de elegibilidad más grande para Big Data es comprender su ecosistema (aunque Big Data es un término muy amplio). No será justo decir que Big Data se trata de almacenar grandes cantidades de datos y los llamados conceptos de “democratización de datos”.
Intentaré dividir Big Data en 4 secciones:
- Big Data Management & Storage : incluye almacenamiento de datos, infraestructura y tecnologías para el monitoreo, coordinación, administración y administración de datos.
- Análisis : incluye herramientas y tecnologías para analizar y obtener información de los datos almacenados.
- Aplicación y uso : implica permitir que los conocimientos de big data funcionen en aplicaciones de BI y de usuario final
- Servicios de TI : incluye integración de sistemas, consultoría, gestión de proyectos y diseño personalizado de análisis de big data
Teniendo en cuenta las secciones anteriores, intentemos comprender todos los métodos o tecnologías que debe conocer para tener éxito en el manejo de Big Data en su conjunto. A continuación se muestra la visualización perfecta de algunas de las tecnologías más comunes utilizadas para hacer frente a esta bestia.
- ¿Cuáles son los mejores métodos para probar aplicaciones de big data?
- Desde la licenciatura en biología molecular hasta el aprendizaje automático de Python, ¿cómo y qué lo inspiró a emprender el camino hacia la ciencia de datos?
- ¿A qué coaching / instituto debo unirme para un curso de aprendizaje de big data?
- ¿Cuáles son las ideas de proyectos de big data en el campo de la neurociencia?
- ¿Cuál es la mejor manera de ingresar al campo de la carrera de ciencias de datos / análisis?
Fuente: Big Data: pasar de la tecnología a la entrega de valor empresarial Autor: Roger Nolan
El otro requisito previo para tener éxito en este campo es la constante “Actualización de conocimientos y habilidades”. Almacenar y abordar las 4 V de Big Data, es decir, Volumen, Velocidad, Veracidad y Variedad, es una cosa y obtener los datos de estos datos es otra.
Por lo tanto, también debe pensar en aprender algunas herramientas estadísticas populares y lenguajes de codificación como:
- R (Rattle, Rcmdr, GGplot, etc.): estas son algunas interfaces gráficas de usuario que pueden ejecutarse en R y son muy útiles para aquellos que son nuevos en el campo de la codificación)
- Lenguaje de programación Python
- RapidMiner
- Lona naranja
Puedo seguir escribiendo sin cesar sobre todas las posibilidades que puedes explorar dentro de esta esfera. Sin embargo, este es el mejor punto de partida para usted y espero que le brinde un comienzo enfocado hacia su objetivo de aprender a abordar “Big Data”.
Hasta que hablemos … ¡¡¡Feliz aprendizaje y procesamiento de datos !!!
