A graph-Tool segítségével Python környezetben végezhetünk hálózat szerkezetű adatokon (azaz gráfokon) elemzéseket. A graph-Tool eljárásai segítségével létrehozhatunk és módosíthatunk gráfokat, különböző jellemzőket rendelhetünk az egyes élekhez és csomópontokhoz…

Derrick Harris a következő hasznos programokat és szolgáltatásokat ajánlja azoknak, akik Big Data jellegű fejlesztésekbe vágták a fejszéjüket: BitDeli - Saját dashboardok és riportok fejlesztése  Python scriptekkel Continuuity - Big Data alkalmazások készítése…

A StatAlgo.com 2011-es írása néhány fontos különbséget mutat be a Python és az R adatkezelésében. A listában szerepelnek az elemi adattípusok működése, az értékadás különbözősége, és a  tömbök, listák és szótárak használatának sajátosságai. via statalgo.com

A  VINTlabs - The Sogeti Trendlab videója a Big Data világáról

Big Data App Platform Continuuity Raises $10M A cég alapítói között korábbi Teradata, Yahoo, Facebook and Microsoft mérnökök találhatóak. A fő terméke  az  AppFabric Big Data platform, amely lehetővé teszi a felhőben futó Hadoop alapú alkalmazások…

A Bit.ly linkmegosztó szolgáltatás elemzési műhelyéből származik az a csomag, ami néhány jó minőségú, nyilvánosan elérhető, kutatási célokra is alkalmas adatforrást tartalmaz. A listában: Spam gyűjtemény Flickr taxonómiák Yahoo adatok Facebook információk Az Amazon…

Az open source big data eszközöket bemutató ábrát készített a bigdata-startups.com: Az eredeti változat még jobb, mert ott az egyes cégek logói is kattinhatóak.

Érdekesség olyan cikket olvasni, ami kivételesen nem a Hadoop dialalmenetéről szól. Az online fogadásokkal foglalkozó SportingBetnél az évi 60 terabájtnyi monitorozási adat kezelésére a LogSpace megoldását választották a szokásos eszközök helyett. Az adatok forrása egyébként…

Egy újabb  infógrafika, ezúttal az orvosok és kórházak világából. Via medcitynews.com

Az egyetem 2006 őszétől 2007 késő tavaszáig monitorozta a saját hálózatán keletkező webes forgalmat. Az adatbázis napi 60 millió rekordot tartalmaz, így összeségében körülbelül 13 milliárd adatsorról van szó, amelynek mérete 2.5 terabájt. Az érdeklődők ingyenesen…

A Standord Egyetem egyik kutatási projektjéből kinőtt startup 10,25 millió dolláros tőkebefektetést kapott TDA (Topological Data Analys) alapú elemzési platformjának fejlesztésére. A kutatási projektet többek között a DARPA is sok-sok pénzzel támogatta, így nem csoda, hogy sokat…

Ersatz: Deep Neural Networks in The Cloud A jelenleg meghívásos béta állapotban lévő Ersatz nagy hatásfokú neurális hálókat kínál, amelyek egy GPU clusteren futnak.  A felhasználók feltöltik a saját adataikat, beállítják a használni kívánt modell típusát és…

Egy infógrafika a Big Data alkalmazási területeiről a kereskedelemben. via Monetate

A Facebook-nál szerzett Big Data tapasztalatokra alapozva indították el a cég ex-mérnökei a Qubole startupot 2012 közepén. A Qubole arra specializálódik, hogy a Hadoop adatainak lekérdezésére szolgáló Hive nyelvet könnyen használhatóvá tegye. A gigaom.com…

A CodeSchool ingyenes tanfolyamán az R-ben történő ábra- és grafikonkészítés fogásait sajátíthatjuk el. Via codeschool.com

A webes keresési adatokkal foglalozó non-profit Common Crawl Foundation számára átadott adatbázis 140 millió website és 220 milliárd weboldal leíró információit tartalmazza. A Common Crawl által a webről gyűjtött adatokat bárki tetszése szerint használhatja és elemezheti. A…

Néhány dolog, ami fontosabb lehet, mint a szex: a geospatiális adatok szemantikus rétege Az R nyelv hatása a statisztikus közösségre Az adatfederáció ROI-ja a sztochasztikus feldolgozás Megrázóan emberi helyzetkép Jill Dyche tollából, aki egyébként a következő…

Az EMC által készített rekordhosszúságú, közel 9000 pixeles infógrafika a digitális univerzum méreteit igyekszik bemutatni.

A Netflix techblogjában jelent megy egy érdekes cikk arról, hogy az online videózás királyának számító Netflix milyen infrastuktúrát épített ki az évek során. Az összes fontos adatot az Amazon S3 felhőben futó tárhelyszolgáltatásán tartják. Ide kell érteni azt a több…

Ismét Dilbert, ezúttal némi buzzword-túlkínálattal fűszerezve. via dilbert.com

Az ingyenes online tanfolyamokat kínáló Coursera jó néhány Data Science tárgyú kurzust is indít 2013-ban. A legérdekesebbnek a Bill Howe által tanított Introduction to Data Science tanfolyam ígérkezik, amely áprilisban indul majd és 10 hétig tart.  Némi…

Appfluent Raises $4.4M A hírek szerint a cél itt is a további növekedés finanszírozása.

A Python programozás nyelv széles körben használatos adatfeldolgozási és elemzési feladatokhoz. A Cloudera blogja néhány olyan keretrendszert mutat be és hasonlít össze, amelyek segítségével Hadoop feladatok futtathatóak. A cikk a következő modulokat mutatja be: Hadoop…

Az Amazon november végén megrendezett AWS re:Invent konferencián a Netflix számolt be tapasztalatairól. A világ legismertebb videókölcsönzője  nagy felhasználója a Cassandra, Hadoop, Pig + Python, and Hive technológiáknak és persze az Amazon elasztikus felhőszolgáltatásainak.…

James Kobelius, az IBM Big Data evangalistája szerint a legfontosabb trendek 2013-ra: A hibrid  rendszerek száma nőni fog. A különböző architektúrájú - Hadoop, NoSQL, streaming, in-memory, masszívan párhuzamos stb. - rendszerek nem kiszorítják egymást, hanem együtt fognak…