Mad Stream: Укрощение больших данных: Hadoop, Spark, Databricks. Александр Сайков

Поделиться
HTML-код
  • Опубликовано: 22 ноя 2024
  • ML Community х Mad Stream! 🤘
    В эпоху больших данных для любого бизнеса важно понимать важность и умение управлять большим количеством информации. Наше ML Community в Mad Devs готовы поделиться своей экспертизой и помочь разобраться в этой объемной теме. Александр расскажет о том, что такое большие данные и зачем они нужны. Но важнее всего расскажет о системах, которые помогут в их управлении и хранении и об облачном решении, которое поможет в обработке больших данных.
    После стрима у нас будет сессия вопросов и ответов!)
    Приятного просмотра!
    ***********************************************************
    Анонсы стримов, новостей и вакансий в Mad Devs:
    в Телеграме - t.me/maddevsio​
    в Фейсбуке - / maddevsio
    в Инстагрме - / maddevsio
    в Твитере - / maddevsio
    #MadDevs #ml #hadoop #spark #databricks
  • НаукаНаука

Комментарии • 9

  • @sergeys3667
    @sergeys3667 5 месяцев назад

    Суперский стрим. Много полезной информации и хорошая подача

  • @НикитаГудков-у8д
    @НикитаГудков-у8д 6 месяцев назад

    Очень крутой стрим! Для меня как для новичка было очень информативно и понятно, спасибо!

  • @Sobolevalera
    @Sobolevalera Год назад +1

    Классный , чувак! Ответил на мои вопросы насчёт архитектур) спасибо!

  • @nataliadvurechenskaya9450
    @nataliadvurechenskaya9450 Год назад +1

    Спасибо!

  • @MikhalevS
    @MikhalevS Год назад +1

    Отличный доклад, спасибо!

  • @gomor1575
    @gomor1575 6 месяцев назад

    Побольше бы таких стримов. Если бы не он потратил бы в 100 раз больше времени

  • @aigerimrakhymova8664
    @aigerimrakhymova8664 4 месяца назад

    Здравствуйте! Спасибо огромное за видеоурок. Можно презентацию скачать?

  • @ИгорьСондорс
    @ИгорьСондорс 4 месяца назад

    Офигеть. Databrics убьет датасаенс, AutoML - млщиков....

  • @vlache6983
    @vlache6983 Год назад +2

    13:46
    Тут наверное имелось ввиду RAW а не ROW ? т.е. сырые данные , и затем проверенные итп.