Telecharger Big Data Gratuit
 |
Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.
Du choix de la base NoSQL à sa mise en oeuvre
Cet ouvrage d'une grande clarté dresse un panorama complet des bases de données NoSQL, en analysant en toute objectivité leurs avantages et inconvénients. Dans une première partie, il présente les grands principes de ces bases non relationnelles : interface avec le code client, architecture distribuée, paradigme MapReduce, etc.
Il détaille ensuite dans une deuxième partie les principales solutions existantes (les solutions de Big Data autour de Hadoop, MongoDB, Cassandra, Couchbase Server...), en précisant spécificités, forces et faiblesses de chacune. Complétée par une étude de cas réel, la dernière partie du livre est consacrée au déploiement concret de ces bases : dans quel cas passer au NoSQL ? quelle base adopter selon ses besoins ? quelles données basculer en NoSQL ? comment mettre en place une telle base ? comment la maintenir et superviser ses performances ?
À qui s'adresse cet ouvrage ?
Aux experts en bases de données, architectes logiciels, développeurs...
Aux chefs de projet qui s'interrogent sur le passage au NoSQL
Issues de nos réseaux sociaux, de notre téléphone mobile, de notre passage en caisse, de l'utilisation d'une carte de transport, les données sont partout. Gilles Babinet montre que les techniques de Big Data peuvent être utilisées pour développer des outils marketing perfectionnés, améliorer la prise en charge médicale, permettre aux villes de mieux gérer leurs ressources ou encore allier productivité agricole et développement durable. Les données pourraient bien être l'une des énergies motrices de la nouvelle révolution globale en cours.
Pourtant, de nombreuses questions se posent. Sommes-nous sur le point d'entrer dans une société semblable à celle que décrit George Orwell dans 1984 ? Quels facteurs permettraient à une société démocratique et respectueuse des libertés individuelles de bénéficier de cette nouvelle technologie ? Gilles Babinet fait toute la lumière sur ces questions en rappelant que ce ne sont pas les technologies qui façonnent l'humanité, mais bien l'usage que l'on choisit collectivement d'en faire.
Préface d'Erik Orsenna de l'Académie française.
Big Data et machine learning : Manuel du data scientist
Dunod (18 février 2015) | ISBN: 2100720740 | Français | PDF | 240 pages | 102 MB
Cet ouvrage s'adresse à tous ceux qui réfléchissent à la meilleure utilisation possible des données au sein de l'entreprise, qu'ils soient data scientists, DSI, chefs de projets ou spécialistes métier.
Le Big Data s'est imposé comme une innovation majeure pour toutes les entreprises qui cherchent à construire un avantage concurrentiel grâce à l'exploitation de leurs donnéesclients, fournisseurs, produits, processus, machines, etc.
Mais quelle solution technique choisir ? Quelles compétences métier développer au sein de la DSI ?
Ce livre est un guide pour comprendre les enjeux d'un projet Big Data, en appréhender lesconcepts sous-jacents (en particulier le machine learning) et acquérir les compétencesnécessaires à la mise en place d'un data lab.
Il combine la présentation :
-de notions théoriques (traitement statistique des données, calcul distribué.) ;
-d'outils (écosystème Hadoop, Storm.) ;
-d'exemples de machine learning ;
-d'une organisation typique d'un projet de data science.
Big Data : opportunité ou menace pour l'assurance ?
REVUE BANQUE (18 février 2016) | ISBN: 2863257277 | Français | PDF | 150 pages | 102 MB
Le Big Data désigne l’ensemble des procédures de recueil et de traitement d’informations « high volume, high velocity and high variety » que les nouvelles technologies rendent disponibles à ceux qui sauront les sélectionner et les exploiter. Le Big Data est à la fois une opportunité – que les assureurs doivent utiliser car il impacte tous les éléments de la chaîne de valeur de l’industrie d’assurance – et une révolution qui remet en cause les conditions d’exercice de tous les métiers.
Pour l’assurance, souvent prisonnière de « l’asymétrie d’information » sur le risque, mieux connu du client que de l’assureur, cette marée d’informations modifie en profondeur les métiers de prise et de gestion de risques, la tarification, l’assurabilité, mais aussi l’organisation des métiers et des entreprises. Ce sont ces impacts potentiels des nouvelles sources d’information que les auteurs souhaitent montrer dans une suite de monographies sur chacun des éléments de la chaîne de valeur de l’assurance.
Ils proposent une appréciation de la faisabilité de ces évolutions, en évaluant les effets économiques du Big Data sur les pratiques de marché, sur les coûts de la gestion des risques, sur l’organisation des entreprises et sur les architectures de systèmes d’information. Ils veulent mesurer l’ampleur du « choc » que peut être le Big Data sur le business model de l’assurance. Tout en reconnaissant l’importance théorique et l’amplitude d’une quasi-inversion de l’asymétrie d’information, ils n’en négligent pas les difficultés éthiques liées à la disponibilité très facilitée d’une masse considérable d’informations personnelles liées à la vie privée des clients. Enfin, ils alertent sur les risques de faible retour sur investissement de politiques extensives d’utilisation du Big Data, alors même que d’autres impératifs immédiats pour la gestion des entreprises s’imposent à elles (Solvency II, notamment).
Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.
La Révolution Big data : Les données au coeur de la transformation de l'entreprise
Auteur: Cointot, Jean-Charles, Eychenne, Yves | Editeur: Dunod | PDF | 2014 | 103 Mb
Qu est-ce que le big data ? Le big data est constitué par toutes les données que nous générons à chaque instant, dont le volume global croît exponentiellement. De l historique de navigation aux localisations GPS, jusqu au rythme cardiaque, à la météo et au solde des comptes courants, ces données récoltées par les mobiles, applications et autres objets connectés génèrent de nouveaux usages pour les États et les entreprises.
Le big data, pour quoi faire ? Les entreprises doivent apprendre à maîtriser ces flux d information, pour réinventer leurs relations avec le consom acteur, leurs produits et services ainsi que leurs organisations. Aujourd hui, comme demain, la donnée, c est de l argent.
Le big data, comment ? Ce livre explore les fondamentaux du big data et ses outils, son exploitation dans l entreprise, son impact sur les métiers et sa valeur pour l entreprise. Il est illustré par de nombreux exemples et cas concrets dans diverses industries.
Des bases pour la performance et le Big Data
En quelques années, le volume des données brassées par les entreprises a considérablement augmenté. Émanant de sources diverses (transactions, comportements, réseaux sociaux, géolocalisation...), elles sont souvent structurées autour d'un seul point d'entrée, la clé, et susceptibles de croître très rapidement. Autant de caractéristiques qui les rendent très difficiles à traiter avec des outils classiques de gestion de données. Par ailleurs, l'analyse de grands volumes de données, ce qu'on appelle le Big Data, défie également les moteurs de bases de données traditionnels.
C'est pour répondre à ces différentes problématiques que sont nées les bases de données NoSQL (Not Only SQL), sous l'impulsion de grands acteurs du Web comme Facebook ou Google, qui les avaient développées à l'origine pour leurs besoins propres. Grâce à leur flexibilité et leur souplesse, ces bases non relationnelles permettent en effet de gérer de gros volumes de données hétérogènes sur un ensemble de serveurs de stockage distribués, avec une capacité de montée en charge très élevée. Elles peuvent aussi fournir des accès de paires clé-valeur en mémoire avec une très grande célérité. Réservées jusqu'à peu à une minorité, elles tendent aujourd'hui à se poser en complément du modèle relationnel qui dominait le marché depuis plus de 30 ans.
Du choix de la base NoSQL à sa mise en oeuvre
Cet ouvrage d'une grande clarté dresse un panorama complet des bases de données NoSQL, en analysant en toute objectivité leurs avantages et inconvénients. Dans une première partie, il présente les grands principes de ces bases non relationnelles : interface avec le code client, architecture distribuée, paradigme MapReduce, etc.
Il détaille ensuite dans une deuxième partie les principales solutions existantes (les solutions de Big Data autour de Hadoop, MongoDB, Cassandra, Couchbase Server...), en précisant spécificités, forces et faiblesses de chacune. Complétée par une étude de cas réel, la dernière partie du livre est consacrée au déploiement concret de ces bases : dans quel cas passer au NoSQL ? quelle base adopter selon ses besoins ? quelles données basculer en NoSQL ? comment mettre en place une telle base ? comment la maintenir et superviser ses performances ?
À qui s'adresse cet ouvrage ?
Aux experts en bases de données, architectes logiciels, développeurs...
Aux chefs de projet qui s'interrogent sur le passage au NoSQL
Data Science : fondamentaux et études de cas - Eyrolles
Nous vivons une époque très excitante, qui ramène l'analyse de données et les méthodes quantitatives au coeur de la société. L'aboutissement de nombreux projets de recherche, la puissance de calcul informatique disponible et des données à profusion permettent aujourd'hui d'incroyables réalisations, grâce au travail des data scientists.
Un livre de référence pour les data scientists
La data science est l'art de traduire des problèmes industriels, sociaux, scientifiques, ou de toute autre nature, en problèmes de modélisation quantitative, pouvant être résolus par des algorithmes de traitement de données. Cela passe par une réflexion structurée, devant faire en sorte que se rencontrent problèmes humains, outils techniques/informatiques et méthodes statistiques/algorithmiques. Chaque projet de data science est une petite aventure, qui nécessite de partir d'un problème opérationnel souvent flou, à une réponse formelle et précise, qui aura des conséquences réelles sur le quotidien d'un nombre plus ou moins important de personnes.
Éric Biernat et Michel Lutz proposent de vous guider dans cette aventure. Ils vous feront visiter les vastes espaces de la data science moderne, de plus en plus présente dans notre société et qui fait tant parler d'elle, parfois par l'intermédiaire d'un sujet qui lui est corollaire, les big data.
Des études de cas pour devenir kaggle master
Loin des grands discours abstraits, les auteurs vous feront découvrir, claviers à la main, les pratiques de leur métier de data scientist chez OCTO Technology, l'un des leaders français du domaine. Et vous mettrez également la main à la pâte : avec juste ce qu'il faut de théorie pour comprendre ce qu'impliquent les méthodes mathématiques utilisées, mais surtout avec votre ordinateur personnel, quelques logiciels gratuits et puissants, ainsi qu'un peu de réflexion, vous allez participer activement à cette passionnante exploration !
À qui s'adresse cet ouvrage ?
Aux développeurs, statisticiens, étudiants et chefs de projets ayant à résoudre des problèmes de data science.
Aux data scientists, mais aussi à toute personne curieuse d'avoir une vue d'ensemble de l'état de l'art du machine learning.
L'homme nu (2016) : La dictature invisible du numérique - Dugain Marc & Labbe Christophe
French | PDF+EPUB | 101 MB
On les appelle les Big Datas. Google, Apple, Facebook ou Amazon, ces géants du numérique, qui aspirent à travers Internet, smartphones et objets connectés, des milliards de données sur nos vies.
Derrière cet espionnage, dont on mesure chaque jour l'ampleur, on découvre qu'il existe un pacte secret scellé par les Big Datas avec l'appareil de renseignement le plus puissant de la planète. Cet accouplement entre les agences américaines et les conglomérats du numérique, est en train d'enfanter une entité d'un genre nouveau. Une puissance mutante, ensemencée par la mondialisation, qui ambitionne ni plus ni moins de reformater l'Humanité.
La prise de contrôle de nos existences s'opère au profit d'une nouvelle oligarchie mondiale. Pour les Big data, la démocratie est obsolète, tout comme ses valeurs universelles. C'est une nouvelle dictature qui nous menace. Une Big Mother bien plus terrifiante encore que Big Brother.
Si nous laissons faire nous serons demain des » hommes nus « , sans mémoire, programmés, sous surveillance. Il est temps d'agir.
Les règles du grand jeu de l économie mondiale sont en train de changer. Le capitalisme se meurt et un nouveau paradigme qui va tout bousculer est en train de s installer : les communaux collaboratifs.
C est une nouvelle économie collaborative qui se développe où la valeur d usage prime sur la propriété déjà très implantés avec l auto-partage, le crowfunding, les A.M.A.P., le couchsurfing, les producteurs contributifs, d énergie verte ou même d objets avec les imprimantes 3D offrent un espace où des milliards de personnes s engagent dans les aspects profondément sociaux de la vie. Un espace fait de millions (au sens littéral du terme) d organisations autogérées qui créent le capital social de la société. Ce qui les rend plus pertinents aujourd hui qu à tout autre époque, c est que le développement de l internet des objets optimise comme jamais les valeurs et les principes qui animent cette forme d autogestion institutionnalisée.
Sans même que nous en ayons conscience, l internet des objets et déjà omniprésent dans notre quotidien. Il se matérialise par ces milliards de capteurs disposés sur les ressources naturelles, les chaînes de production, implantés dans les maisons, les bureaux et même les êtres humains, alimentant en Big Data un réseau mondial intégré, sorte de système nerveux planétaire.
En parallèle, le capitalisme, miné par sa logique interne de productivité extrême, rend le coût marginal qui est le coût de production d une unité supplémentaire d un bien ou d un service quasi nul. Si produire chacune de ces unités supplémentaires ne coûte rien, le produit devient donc quasiment gratuit et le profit, la sève qui fait vivre le capitalisme, se tarit. Avec l émergence d une vaste classe de « prossomateurs » - consommateurs devenus des producteurs contributifs c est pour Jeremy Rifkin, les premiers signes que l ère capitaliste d abondance dans laquelle nous vivons arrive à sa fin...
Certes, rien n est joué. Le capitalisme tente d étouffer les communaux en multipliant les nouvelles barrières en brevetant tout, du vivant à la manipulation des atomes. Le changement climatique menace. Ce livre est aussi un appel à l action individuelle et collective.
Jeremy Rifkin montre ici la force et la cohérence de sa pensée et dessine ce nouveau paradigme collaboratif qui mènera à une société intelligente et durable ...