Теоретический минимум по Big Data. Всё что нужно знать о больших данных

Книга не имеет отношения к заявленной на обложке крупным шрифтом теме «BIG DATA». В оригинале она называется «Data Science for the Layman» («Наука о данных для неспециалистов»). В ней затрагивается десяток вполне традиционных подходов к анализу данных (регрессионный анализ, PCA, SVM, деревья решений и т. п.), ни один из которых не связан со спецификой big data (что и понятно — авторы ведь даже не подозревали, что пишут книгу про большие данные!).

Помимо этого неприятного маркетингового хода разочаровало и содержимое книги. Такое впечатление, что это конспект ленивого студента, который записывал для галочки какие-то красивые слова, но сразу засыпал при появлении на доске формул. Человек, прочитавший хоть одну книгу-ликбез про анализ данных, вряд ли найдёт здесь что-то новое, а совершенно…

Абсолютно поверхностный обзор основных алгоритмов и подходов, подойдет как опорный текст для дальнейшего углубления, нет ни одной формулы, ни одной строчки кода, есть относительно полезные графики и понятные описания достоинств и недостатков рассмотренных методов

Неплохая книга, но для тех кто совсем 0 и ничего не знает про данные и алгоритмы их обработки.
В книге содержится небольшой экскурс по базовым алгоритмам Data Science, таким как K means, Регрессия, Random Forrest. На пальцах, без лишней математики, объясняется как они работают, приводятся некоторые примеры использования на реальных данных. Нет ни слова про такие аспекты Big Data как хранение данных,  технологические стеки и тд. Книга будет полезна новичкам, либо тем специалистам кто только начинает свой путь в Data Science.

Это методичка о методах которые могут быть использованы в big data и анализе данных. Очень скучные примеры, без реального применения. Лучше разобрать один пример от и до, чем 20 поверхностно.