Big data to termin odnoszący się do wielkich zbiorów danych i ich przetwarzania. Dzięki ich aktywnemu zbieraniu i analizie dochodzi się do nowych zasobów wiedzy. Proces big data opiera się na 4 filarach (tzw. 4V, w polskiej wersji językowej 4W): wykorzystania wewnętrznych zasobów, wnioskowania, wzbogacania zasobów o Informacje z rynku i zewnętrznych baz oraz końcowej weryfikacji hipotez i wniosków. Otrzymane w ten sposób Informacje o różnym stopniu złożoności, w postaci profilów (np. sytuacji, osób, zachowań) są wykorzystywane powszechnie w biznesie, telekomunikacji i innych branżach.
Big Data
-
Modelowanie danych z Power BI dla ekspertów analityki. Jak w pełni wykorzystać możliwości Power BI
-
Statystyka praktyczna w data science. 50 kluczowych zagadnień w językach R i Python. Wydanie II
-
Power BI Desktop. Kurs video. Wykorzystanie narzędzia w analizie i wizualizacji danych
-
Analiza danych w Pythonie. Kurs video. Pracuj z Jupyter, Pandas i Matplotlib
-
Data Science - zawód przyszłości. Kurs video. Jak rozpocząć karierę w pracy z danymi
-
Opowieści ukryte w danych. Wyjaśnij dane i wywołaj działania za pomocą narracji
-
Web scraping. Kurs video. Zautomatyzowane pozyskiwanie danych z sieci
-
Power BI. Kurs video. Kompleksowe przygotowanie do pracy Power BI developera
-
Analiza danych w Tableau. Kurs video. Podstawy pracy analityka
-
Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego
-
Data Science w Pythonie. Kurs video. Przetwarzanie i analiza danych
-
Excel - tabele przestawne. Kurs video. Raporty i analiza danych
-
Power Query w Excelu i Power BI. Zbieranie i przekształcanie danych
-
Analiza danych w środowisku R. Kurs video. Poziom pierwszy. Manipulacja, modelowanie i wizualizacja danych w praktyce
-
Zrozumieć BPMN. Modelowanie procesów biznesowych. Wydanie 2 rozszerzone
-
Storytelling danych. Poradnik wizualizacji danych dla profesjonalistów
-
Dodaj mocy Power BI! Jak za pomocą kodu w Pythonie i R pobierać, przekształcać i wizualizować dane
-
Microsoft Power BI. Jak modelować i wizualizować dane oraz budować narracje cyfrowe. Wydanie II
-
Python. Podstawy nauki o danych. Wydanie II
-
Data science od podstaw. Analiza danych w Pythonie. Wydanie II
-
Excel 2013. Kurs video. Poziom drugi. Przetwarzanie i analiza danych
-
Google Analytics dla marketingowców. Wydanie III
-
Google Analytics w biznesie. Poradnik dla zaawansowanych. Wydanie II
-
Uczenie maszynowe w Pythonie. Leksykon kieszonkowy
-
Skazany na sukces. Kariera w Data Science
-
Myślenie systemowe. Wprowadzenie
-
NoSQL, NewSQL i BigData. Bazy danych następnej generacji
-
Power BI i Power Pivot dla Excela. Analiza danych
-
Algorytmy Data Science. Siedmiodniowy przewodnik. Wydanie II
-
Analiza biznesowa. Praktyczne modelowanie organizacji
-
Wprowadzenie do systemów baz danych. Wydanie VII
-
Korporacyjne jezioro danych. Wykorzystaj potencjał big data w swojej organizacji
-
Podstawy wizualizacji danych. Zasady tworzenia atrakcyjnych wykresów
-
Big data, nauka o danych i AI bez tajemnic. Podejmuj lepsze decyzje i rozwijaj swój biznes!
-
Umiejętności analityczne w pracy z danymi i sztuczną inteligencją. Wykorzystywanie najnowszych technologii w rozwijaniu przedsiębiorstwa
-
Szeregi czasowe. Praktyczna analiza i predykcja z wykorzystaniem statystyki i uczenia maszynowego
-
Język R. Receptury. Analiza danych, statystyka i przetwarzanie grafiki. Wydanie II
-
Naczelny Algorytm. Jak jego odkrycie zmieni nasz świat
-
DAX i Power BI w analizie danych. Tworzenie zaawansowanych i efektywnych analiz dla biznesu
-
Dziennikarstwo danych i data storytelling
-
Język R. Kompletny zestaw narzędzi dla analityków danych
-
Dane grafowe w praktyce. Jak technologie grafowe ułatwiają rozwiązywanie złożonych problemów
-
Język R i analiza danych w praktyce. Wydanie II
-
Analiza danych w zarządzaniu projektami
-
Dane i Goliat. Ukryta bitwa o Twoje dane i kontrolę nad światem
-
Hurtownie danych. Od przetwarzania analitycznego do raportowania. Wydanie II
-
Analiza marketingowa. Praktyczne techniki z wykorzystaniem analizy danych i narzędzi Excela
-
Python. Uczenie maszynowe
-
Excel 2016 PL. Biblia
-
Hadoop. Komplety przewodnik. Analiza i przechowywanie danych
-
Zrozumieć BPMN. Modelowanie procesów biznesowych
-
Big Data. Najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym
-
Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha. Wydanie II
-
Analiza i prezentacja danych w Microsoft Excel. Vademecum Walkenbacha
-
Google Analytics. Integracja i analiza danych
-
Spark. Zaawansowana analiza danych
-
Google Analytics dla marketingowców. Wydanie II
-
Spark. Błyskawiczna analiza danych. Wydanie II
-
Mistrz analizy danych. Od danych do wiedzy
-
Zwinna analiza danych. Apache Hadoop dla każdego
-
Badanie danych. Raport z pierwszej linii działań
-
Nowe usługi 2.0. Przewodnik po analizie zbiorów danych
-
Metoda Lean Analytics. Zbuduj sukces startupu w oparciu o analizę danych
-
Microsoft SQL Server. Modelowanie i eksploracja danych
-
Modelowanie danych
-
Data science od podstaw. Analiza danych w Pythonie
-
Uczenie maszynowe dla programistów
-
Analiza danych w biznesie. Sztuka podejmowania skutecznych decyzji
-
Excel 2013 PL. Kurs
-
Excel 2010 PL. Ilustrowany przewodnik
-
100 sposobów na Excel 2007 PL. Tworzenie funkcjonalnych arkuszy
-
Access. Analiza danych. Receptury
-
Hurtownie danych. Od przetwarzania analitycznego do raportowania
-
Excel 2010 PL. Kurs
-
Designing Data-Intensive Applications. The Big Ideas Behind Reliable, Scalable, and Maintainable Systems
-
Fundamentals of Data Engineering
-
Data Quality Fundamentals
-
Learning Microsoft Power BI
-
Kompletny przewodnik po DAX, wyd. 2 rozszerzone. Analiza biznesowa przy użyciu Microsoft Power BI, SQL Server Analysis Services i Excel
-
Algorytmy dla bystrzaków
-
AI-Powered Business Intelligence
-
Excel 2021 i Microsoft 365. Przetwarzanie danych za pomocą tabel przestawnych
-
Excel 2021 i Microsoft 365. Analiza i modelowanie danych biznesowych
-
Data Mesh
-
Data Quality Engineering in Financial Services
-
Cloud Native. Using Containers, Functions, and Data to Build Next-Generation Applications
-
Data Science for Business. What You Need to Know about Data Mining and Data-Analytic Thinking
-
Data Algorithms with Spark
-
Communicating with Data
-
97 Things Every Data Engineer Should Know
-
Semantic Modeling for Data
-
R Graphics Cookbook. Practical Recipes for Visualizing Data. 2nd Edition
-
Practical Tableau. 100 Tips, Tutorials, and Strategies from a Tableau Zen Master
-
Spark: The Definitive Guide. Big Data Processing Made Simple
-
Deep Learning. A Practitioner's Approach
-
Kompletny przewodnik po DAX. Analiza biznesowa przy użyciu Microsoft Excel, SQL Server Analysis Services i Power BI
-
Quantum Computing Experimentation with Amazon Braket
-
Mastering Microsoft Power BI - Second Edition
-
Data Democratization with Domo
-
Essential Mathematics for Quantum Computing
-
Data Engineering with Google Cloud Platform
-
Analiza danych behawioralnych przy użyciu języków R i Python
-
Data Engineering with AWS
-
Hands-On Data Visualization
-
Data Pipelines Pocket Reference
-
Data Analysis with Open Source Tools. A Hands-On Guide for Programmers and Data Scientists
-
Beautiful Visualization. Looking at Data through the Eyes of Experts
-
Learn Quantum Computing with Python and IBM Quantum Experience
-
The Self-Service Data Roadmap
-
Innovative Tableau. 100 More Tips, Tutorials, and Strategies
-
The Practitioner's Guide to Graph Data. Applying Graph Thinking and Graph Technologies to Solve Complex Problems
-
Visualizing Data. Exploring and Explaining Data with the Processing Environment
-
Microsoft Excel 2019 Przetwarzanie danych za pomocą tabel przestawnych
-
Elasticsearch 7 Quick Start Guide
-
SAP Business Intelligence Quick Start Guide
-
Machine Learning for Healthcare Analytics Projects
-
Deep Learning Cookbook. Practical Recipes to Get Started Quickly
-
Introduction to Machine Learning with R. Rigorous Mathematical Analysis
-
Machine Learning and Security. Protecting Systems with Data and Algorithms
-
Making Data Visual. A Practical Guide to Using Visualization for Insight