A Nifi segítségével webalapú grafikus felületen lehet adatáramlásokat létrehozni például STP, FTP, HTTP vagy HDFS jellegű adatforrások között. Jelenleg Apache inkubátor státuszban van.

Az Apache licensz alatt elérhető  Cloudera ML egy Java könytár, amely az adatok előkészítésében és a modellek kiértékelésében nyújt hasznos segítséget. A Cloudera ML által támogatott első algoritmus a K-közép clusterezési eljárás. Az aktív fejlesztés alatt lévő…

Sok minden segíti azokat, akik  Pythonk környezetben szeretnék végezni adatelemzési feladataikat: Jól szervezett közösség:a  PyData, SciPy, EuroSciPy konferenciák és a NumFOCUS non-profit szervezet igen hasznosak Jól használható…

A pandas csomag a Python nyelven adatelemzéseket végzők egyik leghasznosabb eszköze. A központi szerepet a DataFrame játszza, ami egy kétdimenziós, indexelhető adatstruktúra. A pandas sok tekintetben hasonlít az R nyelv olyan népszerű elemző moduljaihoz, mint a data.frame, a plyr…

Nathan Yau cikke néhány egyszerű példát mutat be grafikonok készítésére R környezetben. A példák az adatok beolvasásával kezdődnek, és egészen komplex, ám mégis néhány sor R kód segítségével előállítható ábrázolásokat is bemutatnak. via flowingdata.com

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…

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

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.

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

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…

A két népszerű adatfeldolgozó nyelv közül melyik vajon a varázslatosabb? A Quant Pythonsta blog szerzője megpróbája  Python környezetben utánozni az R néhány egyedi szintaktikai megoldását. via wesmckinney.com

A következő ingyenesen hozzáférhetőek könyvek hasznosak lehetnek a Data Science iránt érdeklődők számára: Mining of Massive datasets by Rajamaran, Leskovic & Ullman Bayesian Reasoning and Machine Learning by David Barber Information Theory, Inference, and Learning…