Меняются потребители, меняется мир бизнеса. Сегодня уже недостаточно изучения только данных о продажах. Цель развертывания интегрированной платформы для бизнес-аналитики и анализа больших данных заключается в том, чтобы копать глубже и лучше понимать - почему, где, что и как - о клиентах, продуктах и компании. В этой статье обсуждается интеграция бизнес-аналитики и анализа больших данных. Подробнее »

В этой статье излагаются примеры применения прогностического анализа для совершенствования бизнес-операций в нескольких различных функциональных подразделениях компании оптовой дистрибьюции и описывается набор продуктов IBM, которые применяются на всем протяжении от начального исследования и применения первых приложений до анализа "больших данных" Подробнее »

В статье описывается порядок использования решения IBM® InfoSphere® Optim® Data Masking Solution вместе с продуктом IBM InfoSphere Federation Server для де-идентификации (de-identify) данных, размещенных на устройстве IBM Netezza Data Warehouse Appliance. Подробнее »

В борьбу со страшной болезнью включаются "умные" машины. Речь идёт о программном обеспечении, созданном совместно IBM и Бэйлоровском медицинском колледжем. Подробнее »

Моментальный анализ данных, который предлагает "Формула-1", дает преимущество не только в гонках, но и других отраслях, где используются большие данные. Ведь это чрезвычайно заманчивая перспектива - получать информацию на лету, выделять ключевые моменты и преобразовывать данные в дальнейшую стратегию действий. Подробнее »

Это статья о том, как использовать IBM® InfoSphere® Streams для моделирования. В качестве примера мы построим модель движения автотранспорта по автомобильным дорогам в соответствии с моделью Нагеля-Шрекенберга. Подробнее »

Storm ― это система обработки больших данных с открытым исходным кодом, которая отличается от других систем тем, что предназначена для распределенной обработки в режиме реального времени и не зависит от языка программирования. Познакомьтесь с системой Twitter Storm, ее архитектурой и спектром решений для пакетной и поточной обработки. Подробнее »

Познакомьтесь с различными методами и решениями для интеллектуального анализа данных и научитесь создавать такие решения с помощью существующего программного обеспечения и систем. Подробнее »

Огромные потоки информации подчиняются новым правилам. Что изменилось в "мультипетабайтном" мире? Как большие данные меняют нашу деятельность? Подробнее »

В заключительной части серии статей о Hadoop рассмотрены API-интерфейсы и потоки данных Hadoop. Кроме того, продемонстрировано их использование на примере небольших приложений map и reduce. Подробнее »

В этой статье мы будем настраивать Hadoop в более сложной конфигурации с несколькими узлами для параллельной обработки данных. В статье будут описаны различные типы узлов, необходимые для построения многоузловых кластеров, а также работа процедур MapReduce в параллельной среде. Также будут рассмотрены вопросы администрирования Hadoop - как с помощью интерфейса командной строки, так и с помощью Web-интерфейсов. Подробнее »

Справочный документ по инструментам и методам, позволяющим обрабатывать и с максимальной пользой применять большие данные. Подробнее »

Спецификация IBM InfoSphere BigInsights Enterprise Edition - решения по преобразованию больших объемов комплексных данных в аналитические выводы по различным направлениям решения задач в бизнесе.

В этой статье рассматривается фреймворк Hadoop и его основные элементы - файловая система HDFS и типы узлов. Вы узнаете, как установить и настроить одноузловой кластер Hadoop, и познакомитесь с приложением на основе MapReduce. В заключение вы узнаете о способах мониторинга и управления фреймворком Hadoop с помощью его базовых Web-интерфейсов. Подробнее »

Apache Pig - это высокоуровневый процедурный язык, предназначенный для выполнения запросов к большим слабоструктурированным наборам данных с помощью платформ Hadoop и MapReduce. Pig упрощает использование Hadoop, позволяя выполнять SQL-подобные запросы к распределенным наборам данных. В этой статье описывается язык, лежащий в основе Pig, и приводится пример его использования для простого кластера Hadoop. Подробнее »

Журналы - это важнейший элемент любой компьютерной системы, обеспечивающий выполнение обширного перечня задач - от аудита до управления ошибками. В условиях роста объема журналов и количества источников информации для них (включая облачные среды) для эффективной обработки этих журналов необходима масштабируемая система. Это практическое занятие посвящено обработке журналов с помощью технологии Apache Hadoop в типичной Linux-системе. Подробнее »

Интеллектуальные приложения, которые обучаются на данных и информации, вводимой пользователем ― некогда прерогатива научно-исследовательских институтов и корпораций с крупными бюджетами НИОКР ― получают все более широкое распространение. Сегодня потребность в методах машинного обучения, таких как кластеризация, коллаборативная фильтрация и классификация, применяемых как для поиска общих интересов среди больших групп людей, так и для автоматического маркирования больших объемов Web-контента, велика как никогда. Проект Apache Mahout поставил перед собой цель упростить и ускорить создание интеллектуальных приложений. Сооснователь Mahout Грант Ингресолл знакомит читателей с основными понятиями машинного обучения и демонстрирует, как использовать Mahout для кластеризации документов, выдачи рекомендаций и организации контента. Подробнее »

Это заключительная часть цикла из четырех статей, посвященных наиболее важным аспектам прогностического анализа. В первой части дается общее представление о прогностическом анализе. Вторая часть посвящена методам прогностического моделирования: математическим алгоритмам, составляющим ядро прогностического анализа. В третьей части эти методы применяются для принятия и описания прогностического решения. Наконец, эта, заключительная часть посвящена практическому внедрению прогностического анализа, то есть процессу претворения прогностических решений в жизнь. Подробнее »

Это третья часть цикла из четырех статей, посвященных наиболее важным аспектам прогностического анализа. В первой части дается общее представление о прогностическом анализе. Вторая часть посвящена методам прогностического моделирования: математическим алгоритмам, составляющим ядро прогностического анализа. В этой, третьей статье говорится о том, как создавать прогностические решения с применением этих методов. Подробнее »

Эта вторая часть цикла из четырех статей посвящена наиболее важным аспектам прогностического анализа. В первой части дается общее представление о прогностическом анализе. Эта статья посвящена методам прогностического моделирования ― математическим алгоритмам, составляющим ядро прогностического анализа. Подробнее »