Data Science mit Big Data

Einstieg in Big Data: Konzepte, Technologien und Praxis

Dieses Buch bietet einen umfassenden und praxisnahen Überblick über den Umgang mit großen Datenmengen. Es erklärt verständlich die zentralen Konzepte von Big Data und zeigt sowohl deren Möglichkeiten als auch ihre Grenzen auf. Dabei wird dargestellt, wie Daten in skalierbaren NoSQL-Systemen gespeichert und mit verschiedenen Verfahren der verteilten Verarbeitung analysiert werden können. Neben klassischen Batch-Verfahren werden auch Micro-Batch- und moderne Streaming-Ansätze vorgestellt. Darüber hinaus beschreibt das Buch, wie moderne Datenplattformen entwickelt werden und wie sich diese durch den Einsatz von Künstlicher Intelligenz erweitern lassen.

Grundlagen und Herausforderungen von Big Data

Zu Beginn werden die grundlegenden Herausforderungen behandelt, die entstehen, wenn Datenmengen so groß werden, dass sie nicht mehr auf einem einzelnen Rechner verarbeitet werden können. In solchen Fällen ist eine verteilte Datenverarbeitung erforderlich, bei der Daten und Rechenaufgaben auf mehrere Systeme verteilt werden. Das Buch erläutert, welche technischen und organisatorischen Anforderungen sich daraus ergeben und welche Lösungsansätze in der Praxis eingesetzt werden.

Verarbeitungsparadigmen und Datenspeicherung

Ein Schwerpunkt liegt auf den verschiedenen Paradigmen der Datenverarbeitung. Leserinnen und Leser lernen, wie Big-Data-Analysen mit Batch-, Micro-Batch- und Stream-Verarbeitung umgesetzt werden können und in welchen Situationen sich die jeweiligen Ansätze besonders eignen. Ergänzend dazu wird die Datenspeicherung mit NoSQL-Datenbanken erklärt. Dabei werden sowohl die Vorteile – etwa hohe Skalierbarkeit und flexible Datenmodelle – als auch mögliche Nachteile dieser Systeme betrachtet.

Praxisnahe Umsetzung mit modernen Technologien

Die Autoren verfolgen einen praxisorientierten Ansatz. Viele Beispiele werden mit gängigen Open-Source-Werkzeugen umgesetzt und nutzen moderne Container-Technologien wie Docker. Dadurch können Leserinnen und Leser die vorgestellten Konzepte direkt ausprobieren und auf eigene Projekte übertragen. Gleichzeitig wird gezeigt, dass sich die erlernten Methoden auch problemlos auf kommerzielle Produkte übertragen lassen.

Erweiterte Themen und Systemarchitekturen

Neben der Datenverarbeitung werden auch weitere wichtige Aspekte moderner Datenplattformen behandelt. Dazu gehören die Visualisierung von Analyseergebnissen, der Einsatz zufallsbasierter Algorithmen im Big-Data-Kontext sowie Referenzarchitekturen für den Aufbau skalierbarer Big-Data-Systeme.

Durch diese Kombination aus Grundlagenwissen, praktischen Beispielen und architektonischen Konzepten eignet sich das Buch sowohl als Lehrbuch für Studium und Ausbildung als auch als Nachschlagewerk für die berufliche Praxis.