今からはじめる、データエンジニアリング・ロードマップ | gihyo.jp
データエンジニアリングとは何か 昨今、データドリブンな経営・事業推進の重要性が日に日に高まってきていますが、それを実現するためにはデータの分析環境（≒データ分析基盤）が必要不可欠です。しかしながらデータ分析基盤を構築・運用するためには、専門性の高いデータエンジニアリングのスキルやノウハウを身につける必要があります。 この記事ではデータエンジニアリングを実践するにあたって「何が必要か」「どうキャッチアップすれば良いのか」を説明していきます。 なお、本記事は筆者の経験則に基づく解釈が多く含まれております。より客観的に学びたい方に向けて参考文献も記載しておりますので、併せてご参照頂けますと幸いです。 データ分析基盤の必要性 データ分析やデータ活用を行うシステム基盤のことを、データ分析基盤と言います。 通常分析に必要なデータは企業内に散在しており、分析するためには1箇所に集約する必要があります。
The State of Data Engineering 2022 - Git for Data - lakeFS
This layer includes streaming technologies and SaaS services that provide pipelines from operational systems to data storage. The evolution worth mentioning here is the dramatic rise of Airbyte. Founded in 2020 and pivoting to its current offering only towards the end of that year, Airbyte is an open-source project used today by over 15,000 companies. The community counts over 600 contributors. It
DagsHub: The Home for Machine Learning Collaboration
Something went wrong, please try again or contact us directly at contact@dagshub.com
Project Jupyter
Free software, open standards, and web services for interactive computing across all programming languages JupyterLab: A Next-Generation Notebook Interface JupyterLab is the latest web-based interactive development environment for notebooks, code, and data. Its flexible interface allows users to configure and arrange workflows in data science, scientific computing, computational journalism, and ma
Grafana: The open observability platform | Grafana Labs
Solutions All end-to-end solutions Opinionated solutions that help you get there easier and faster
Kibana: Explore, Visualize, Discover Data | Elastic
Search and analytics, data ingestion, and visualization – all at your fingertips
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - ossu/data-science: :bar_chart: Path to a free self-taught education in Data Science!
東京メトロ、列車の在線位置など全線オープンデータ化、車両の所属会社も 
http://data.huffingtonpost.com/2014/world-cup-japan/matches/ivory-coast-vs-japan-731772