تفاوت های علم آمار، داده کاوی و کلان داده ها

کاربردهای داده کاوی

9مزیت دریاچه داده. دریاچه داده به طور خلاصه کلیه داده داخلی، خارجی ، داده رقبا و ... و سیستم پردازش داده است که ویژگیهایی مانند سرعت بالای ذخیره سازی، مقیاس پذیربودن و ... دارد. به طور کلی باید گفت که data lake با هدوپ متفاوت است
http://www.hadoop360.com/blog/9-key-benefits-of-data-lake

تفاوت متخصص علم داده و مهندس کلان داده @dataanalysis

گارتنر برای سال 2016 برترین ابزارهای تحلیل را معرفی کرد. در ابزارهای پیشرو علاوه بر 4 ابزار سال گذشته، ابزار Dell نیز اضافه شده است

4 ابزار پیشرو از 2014 همین رتبه را دارند و مایکروسافت از سال گذشته به جمع پیشرو در چشم انداز رسیده است. مسیر تغییر جایگاه ابزارها مشخص است

پیش بینی موسسه گارتنر پیرامون افزایش Chief Data Officer در سازمان های بزرگ

مسیر انجام یک پروژه متن کاوی! @

مقایسه ابزارهای داده کاوی از نظر امکانات مختلف

گام به گام یک پروژه متن کاوی

میزان همبستگی میان ابزارهای تحلیل داده

گراف ارتباطی ابزارهای تحلیل اطلاعات

Top Big Data challenge

http://bit.ly/1X05neg

hadoop architecture

http://bit.ly/1OVmMPp

مقایسه بین ابزارهای هدوپ و آپاچی اسپارک

Data Scientist definition!

برترین کتابخانه های مصورسازی داده ها در پایتون

https://www.linkedin.com/pulse/python-visualization-libraries-list-mohamadreza-mohtat?trk=prof-post

مقایسه پایتون و r
http://www.kdnuggets.com/2015/05/r-vs-python-data-science.html

برای افرادی که می خواهند یادگیری ماشین را با پایتون کار کنند
7 مرحله برای این کار متصور شده است که
1-یادگیری اولیه پایتون مقدماتی
2-آموزش یادگیری ماشین
3-آموزش پکیج های پایتون مختص یادگیری ماشین
4-شروع کار یادگیری ماشین با پایتون به صورت عملی به صورت مثالهای ساده
5-فعالیت تخصصی تر الگوریتم های یادگیری ماشین با پایتون
6-الگوریتم های پیچیده تر یادگیری ماشین و حل مسائل یادگیری ماشین با پایتون
7-یادگیری عمیق