Submit Search
Upload
BigData, Hadoop과 Node.js, R2
•
38 likes
•
5,927 views
고포릿 default
Follow
기존 파일이 수정이 안되서 멀티노드 설치 부분이 추가된 자룔를 업로드한다.
Read less
Read more
Technology
Slideshow view
Report
Share
Slideshow view
Report
Share
1 of 150
Recommended
숭실대학교 미디어학부 오픈소스 소프트웨어 실습 4차 강의로, Bigdata에 대한 이해를 해보고, 필요한 구성요소와 Hadoop에 대해 소개합니다. 그리고 2,3차에 진행한 node.js와 연계할 수 있는 기본적인 실습을 포함하고 있습니다.
BigData, Hadoop과 Node.js
BigData, Hadoop과 Node.js
고포릿 default
빅데이터에 관한 개괄적 설명
빅데이터_ISP수업
빅데이터_ISP수업
jrim Choi
빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향
Webometrics Class
2018년 7월 5일에 있었던 한국인터넷거버넌스포럼(KrIGF)에서 발표한 "오픈 데이터와 인공지능" 발표자료입니다. 다음과 같은 내용을 담고 있습니다. * 오픈데이터의 정의 * 오픈데이터의 중요성 * 인공지능 * 인공지능에서 데이터의 중요성 * 제한된 데이터 환경에서의 문제점 * 인공지능을 위한 오픈데이터의 중요성 * 더 나은 인공지능 시대를 위한 제언
오픈 데이터와 인공지능
오픈 데이터와 인공지능
Myungjin Lee
Basic information of Biodata
Bigdata
Bigdata
Jongmyoung Kim
Daisy
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
동학 노
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
Donghan Kim
전문가 토크릴레이 2탄 빅데이터, 그리고 빅데이터 분석 : 솔트룩스 이경일 대표
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
Saltlux zinyus
Recommended
숭실대학교 미디어학부 오픈소스 소프트웨어 실습 4차 강의로, Bigdata에 대한 이해를 해보고, 필요한 구성요소와 Hadoop에 대해 소개합니다. 그리고 2,3차에 진행한 node.js와 연계할 수 있는 기본적인 실습을 포함하고 있습니다.
BigData, Hadoop과 Node.js
BigData, Hadoop과 Node.js
고포릿 default
빅데이터에 관한 개괄적 설명
빅데이터_ISP수업
빅데이터_ISP수업
jrim Choi
빅데이터 시대 새로운 신기술과 활용방향
빅데이터 시대 새로운 신기술과 활용방향
Webometrics Class
2018년 7월 5일에 있었던 한국인터넷거버넌스포럼(KrIGF)에서 발표한 "오픈 데이터와 인공지능" 발표자료입니다. 다음과 같은 내용을 담고 있습니다. * 오픈데이터의 정의 * 오픈데이터의 중요성 * 인공지능 * 인공지능에서 데이터의 중요성 * 제한된 데이터 환경에서의 문제점 * 인공지능을 위한 오픈데이터의 중요성 * 더 나은 인공지능 시대를 위한 제언
오픈 데이터와 인공지능
오픈 데이터와 인공지능
Myungjin Lee
Basic information of Biodata
Bigdata
Bigdata
Jongmyoung Kim
Daisy
빅데이터 솔루션 소개서(2013년 05월)
빅데이터 솔루션 소개서(2013년 05월)
동학 노
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
시나리오로 알아보는 빅데이터 대응전략(배포용) Dh kim-2013-3-21
Donghan Kim
전문가 토크릴레이 2탄 빅데이터, 그리고 빅데이터 분석 : 솔트룩스 이경일 대표
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
전문가토크릴레이 2탄 빅데이터와 빅데이터 분석 (이경일 대표)
Saltlux zinyus
단순히 큰 데이터가 아닌 Big Data의 3V 속성을 통해 알아보자는 내용입니다. 3V = Volume, Various, Velocity
Big Data 대충 알아보기
Big Data 대충 알아보기
iron han
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향
atelier t*h
빅데이터의 정의부터 현재상황, 향후 동향 등
빅데이터란?
빅데이터란?
Yoseop Shin
빅 데이터 개요 사내 발표 자료
빅데이터 개요
빅데이터 개요
beom kyun choi
대형 병원의 교양 세미나에서 발표한 자료입니다. 이미 기술 지식은 충분하셨고 사례를 많이 궁금해 하셨습니다. 그래서 제 경험을 통해 얻었던 인사이트를 많이 나누었습니다. 하지만 의료현장은 플랫폼이나 기술보다는 의료기기로 접근하지 않으면 사용되기 힘들다는 생각이 들었습니다.
빅데이터의 이해
빅데이터의 이해
수보 김
빅데이터 시대, 로봇 R&D는 어느 방향으로 가야할 것인가? 김홍석/2012-04-12
빅데이터와 로봇 (Big Data in Robotics)
빅데이터와 로봇 (Big Data in Robotics)
Hong-Seok Kim
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
Daum DNA
빅데이터의 개념과 활용사례 R을 이용한 워드클라우드 만들기 (5페이지의 링크가 사이트 상에서 에러로 같은 링크로 들어가 지는데 다운로드 해서 들어갈 경우 제대로 된 링크로 연결됩니다.) 발표 영상 : https://youtu.be/HNJ61BlKOqU 프로그래밍 영상 : https://youtu.be/bpzQ3QBOmhw
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)
kyunguk_Kim
한국데이터사이언스학회(koreadatascience.org) 2014 학술대회 발표자료 2014.11.7 세션1-2 “데이터시장의 트렌드와 예측” - 이영환 교수(건국대학교)
데이터시장의 트렌드와 예측 - 이영환
데이터시장의 트렌드와 예측 - 이영환
datasciencekorea
빅데이터 이용 사례 분석. 구글의 감기 예측, 자동차 보조금 예상, 미국 대선에서의 오바마의 빅데이터를 이용한 대선전략 확인
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
ko donghwi
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
Peter Woo
빅데이터 구축 및 술루션 가이드 주요 내용 - 고객 내부 빅데이터 프로젝트 진행시 단계별 진행 가이드 - 빅데이터 프로젝트 구축 타입 - 각 산업분야별로 빅데이터 엔진을 활용한 솔루션 구축 가이드 (딥 러닝 기법 기반의 분석 포함) 코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com 010-9338-6400
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
kosena
Introduction to Big data and use cases written by Wonjin Lee (handstudio service strategy team)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
Wonjin Lee
빅데이터
빅데이터
Kangwook Lee
UNUS의 BigData Solution인 BEANs에 대한 소개서 입니다.
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
YoungMin Jeon
2014년 7월 3일 국립중앙도서관 사서교육문화과 디지털도서관운영과정
digital archiving
digital archiving
Hansung University
모대학 창업프로그램에서 발표한 내용입니다. 청중은 대부분 IT를 전혀 모르시는 사업자분들이었습니다. 여러 분야에 걸쳐 어떻게 접근하고 있는지 사례 중심으로 발표를 드렸습니다.
빅데이터의 활용
빅데이터의 활용
수보 김
LOD Party5: LOD를 말하다. 2014년 6월 27일 MARU180 Think룸.
LOD를 말하다: Europeana, BBC, LinkedUp
LOD를 말하다: Europeana, BBC, LinkedUp
Hansung University
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Channy Yun
데이터마이닝의 개요
데이터마이닝의 개요
Chris Kim
Microsoft의 엔터프라이즈 컨퍼런스 중 Microsoft의 Big Data Solution 체계에 대한 소개와 고객사(신세계)에서 적용한 사례 발표 내용입니다. Open Source 기반의 저비용 Big Data 관리 체계에 더하여, 현 시점에서의 Open Source 진영의 취약점인 Big Data 활용 관점에서의 보완책으로 기존의 DW/BI 아키텍쳐가 결합된 사례 이며, 이를 위한 핵심 컴포넌트로 Polybase가 국내에서 최초로 적용되었습니다. Polybase에 대한 보다 자세한 내용은 다음 사이트 - Microsoft Gray SystemLab : http://gsl.azurewebsites.net/Projects/Polybase.aspx - 에서 확인하실 수 있습니다. Back-end Infra인 Hadoop Echo 와 MPP 장비인 PDW 그리고 가장 활용성 높은 Microsoft BI 체계가 결합된 Big Data Hybrid Architect로 향후 상당 기간은 이와 유사한 아키텍쳐가 주류를 이룰 것으로 예상됩니다.
Enterprise conference 2013 Microsoft BigData 사례발표자료
Enterprise conference 2013 Microsoft BigData 사례발표자료
환태 김
빅 데이터의 동향을 살펴보고, 활용방안을 생각해본다.
빅 데이터 개요 및 활용
빅 데이터 개요 및 활용
Jin wook
More Related Content
What's hot
단순히 큰 데이터가 아닌 Big Data의 3V 속성을 통해 알아보자는 내용입니다. 3V = Volume, Various, Velocity
Big Data 대충 알아보기
Big Data 대충 알아보기
iron han
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향
atelier t*h
빅데이터의 정의부터 현재상황, 향후 동향 등
빅데이터란?
빅데이터란?
Yoseop Shin
빅 데이터 개요 사내 발표 자료
빅데이터 개요
빅데이터 개요
beom kyun choi
대형 병원의 교양 세미나에서 발표한 자료입니다. 이미 기술 지식은 충분하셨고 사례를 많이 궁금해 하셨습니다. 그래서 제 경험을 통해 얻었던 인사이트를 많이 나누었습니다. 하지만 의료현장은 플랫폼이나 기술보다는 의료기기로 접근하지 않으면 사용되기 힘들다는 생각이 들었습니다.
빅데이터의 이해
빅데이터의 이해
수보 김
빅데이터 시대, 로봇 R&D는 어느 방향으로 가야할 것인가? 김홍석/2012-04-12
빅데이터와 로봇 (Big Data in Robotics)
빅데이터와 로봇 (Big Data in Robotics)
Hong-Seok Kim
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
Daum DNA
빅데이터의 개념과 활용사례 R을 이용한 워드클라우드 만들기 (5페이지의 링크가 사이트 상에서 에러로 같은 링크로 들어가 지는데 다운로드 해서 들어갈 경우 제대로 된 링크로 연결됩니다.) 발표 영상 : https://youtu.be/HNJ61BlKOqU 프로그래밍 영상 : https://youtu.be/bpzQ3QBOmhw
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)
kyunguk_Kim
한국데이터사이언스학회(koreadatascience.org) 2014 학술대회 발표자료 2014.11.7 세션1-2 “데이터시장의 트렌드와 예측” - 이영환 교수(건국대학교)
데이터시장의 트렌드와 예측 - 이영환
데이터시장의 트렌드와 예측 - 이영환
datasciencekorea
빅데이터 이용 사례 분석. 구글의 감기 예측, 자동차 보조금 예상, 미국 대선에서의 오바마의 빅데이터를 이용한 대선전략 확인
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
ko donghwi
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
Peter Woo
빅데이터 구축 및 술루션 가이드 주요 내용 - 고객 내부 빅데이터 프로젝트 진행시 단계별 진행 가이드 - 빅데이터 프로젝트 구축 타입 - 각 산업분야별로 빅데이터 엔진을 활용한 솔루션 구축 가이드 (딥 러닝 기법 기반의 분석 포함) 코세나(kosena), 이승훈 실장 admin@kosena.kr, kosena21@naver.com 010-9338-6400
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
kosena
Introduction to Big data and use cases written by Wonjin Lee (handstudio service strategy team)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
Wonjin Lee
빅데이터
빅데이터
Kangwook Lee
UNUS의 BigData Solution인 BEANs에 대한 소개서 입니다.
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
YoungMin Jeon
2014년 7월 3일 국립중앙도서관 사서교육문화과 디지털도서관운영과정
digital archiving
digital archiving
Hansung University
모대학 창업프로그램에서 발표한 내용입니다. 청중은 대부분 IT를 전혀 모르시는 사업자분들이었습니다. 여러 분야에 걸쳐 어떻게 접근하고 있는지 사례 중심으로 발표를 드렸습니다.
빅데이터의 활용
빅데이터의 활용
수보 김
LOD Party5: LOD를 말하다. 2014년 6월 27일 MARU180 Think룸.
LOD를 말하다: Europeana, BBC, LinkedUp
LOD를 말하다: Europeana, BBC, LinkedUp
Hansung University
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Channy Yun
데이터마이닝의 개요
데이터마이닝의 개요
Chris Kim
What's hot
(20)
Big Data 대충 알아보기
Big Data 대충 알아보기
빅데이터 기술 및 시장동향
빅데이터 기술 및 시장동향
빅데이터란?
빅데이터란?
빅데이터 개요
빅데이터 개요
빅데이터의 이해
빅데이터의 이해
빅데이터와 로봇 (Big Data in Robotics)
빅데이터와 로봇 (Big Data in Robotics)
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
빅데이터 기반 공공 데이터 서비스 동향 | Devon 2012
2015 경영과 정보기술 - 빅데이터(Big Data)
2015 경영과 정보기술 - 빅데이터(Big Data)
데이터시장의 트렌드와 예측 - 이영환
데이터시장의 트렌드와 예측 - 이영환
빅데이터 이용 사례 분석
빅데이터 이용 사례 분석
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
빅데이터미래전략세미나발표자료 빅데이터기술현황및전망-황승구-20120410
[코세나, kosena] 빅데이터 구축 및 제안 가이드
[코세나, kosena] 빅데이터 구축 및 제안 가이드
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터의 개념과 이해 그리고 활용사례 (Introduction to big data and use cases)
빅데이터
빅데이터
UNUS BEANs 소개서 20141015
UNUS BEANs 소개서 20141015
digital archiving
digital archiving
빅데이터의 활용
빅데이터의 활용
LOD를 말하다: Europeana, BBC, LinkedUp
LOD를 말하다: Europeana, BBC, LinkedUp
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
Daum’s Business Analytics Use-cases based on Bigdata technology (2012)
데이터마이닝의 개요
데이터마이닝의 개요
Similar to BigData, Hadoop과 Node.js, R2
Microsoft의 엔터프라이즈 컨퍼런스 중 Microsoft의 Big Data Solution 체계에 대한 소개와 고객사(신세계)에서 적용한 사례 발표 내용입니다. Open Source 기반의 저비용 Big Data 관리 체계에 더하여, 현 시점에서의 Open Source 진영의 취약점인 Big Data 활용 관점에서의 보완책으로 기존의 DW/BI 아키텍쳐가 결합된 사례 이며, 이를 위한 핵심 컴포넌트로 Polybase가 국내에서 최초로 적용되었습니다. Polybase에 대한 보다 자세한 내용은 다음 사이트 - Microsoft Gray SystemLab : http://gsl.azurewebsites.net/Projects/Polybase.aspx - 에서 확인하실 수 있습니다. Back-end Infra인 Hadoop Echo 와 MPP 장비인 PDW 그리고 가장 활용성 높은 Microsoft BI 체계가 결합된 Big Data Hybrid Architect로 향후 상당 기간은 이와 유사한 아키텍쳐가 주류를 이룰 것으로 예상됩니다.
Enterprise conference 2013 Microsoft BigData 사례발표자료
Enterprise conference 2013 Microsoft BigData 사례발표자료
환태 김
빅 데이터의 동향을 살펴보고, 활용방안을 생각해본다.
빅 데이터 개요 및 활용
빅 데이터 개요 및 활용
Jin wook
하둡 소개
1. hadoop 소개
1. hadoop 소개
Jino Kim
미래의 ICT생태계는 데이터를 중심으로 형성될 것입니다. 디지털라이제이션(digitalization)의 가속화로 우리의 일상은 빠르게 데이터 기반으로 급변하고 있습니다. 빅데이터라는 용어가 라디오 프로그램의 선곡기준으로도 등장하는 현 시점에서 다양한 관점의 빅데이터를 살펴봄으로써 실제 산업 생태계에 가져올 기술, 사회, 제도적 혁신의 조짐을 살펴보고자 합니다. 먼저 오픈소스가 가져오는 IT 생태계의 변화와 공유경제라는 키워드를 통해 함께함으로써 커지는 데이터의 가치, 그리고 그 가치를 더욱 크게 할 메타데이터의 중요성을 이야기하겠습니다. 또한 데이터 생태계의 활성화를 위한 거래 플랫폼이 가진 멀티 사이드 플랫폼의 가치와 이러한 플랫폼 활성화를 위한 공공 정책의 데이터 기반 변화 트렌드와 개인 프라이버시 보호 트렌드 및 기술을 살펴보고자합니다.
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
K data
특허전쟁 승리 위한 R&d 전략
특허전쟁 승리 위한 R&d 전략
atelier t*h
국내외 공간빅데이터 정책 및 기술동향
국내외 공간빅데이터 정책 및 기술동향
국내외 공간빅데이터 정책 및 기술동향
메가트렌드랩 megatrendlab
이 슬라이드는 빅데이터와 관련된 기술 트렌드를 설명한다. 또 소셜미디어 분석 기술의 실용적 예를 들기위하여 싸이의 "강남스타일"의 트윗과 트위터를 분석한다.
빅데이터와 타겟 마케팅 Ver 1 0
빅데이터와 타겟 마케팅 Ver 1 0
Konkuk University
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례) 국내 유일 그래프 데이터베이스 연구 개발 전문 기업, <비트나인> 주최로 진행된 그래프 데이터베이스 밋업(Meetup) 2번째! "그래프 데이터베이스 활용사례_ 블록체인(가상화폐) 데이터 적용 사례" 입니다. 그래프 데이터베이스 주요 제품 소개 및 비교, 비트코인 블록체인 모델링 적용 사례 등을 소개 드렸습니다. ☞ 발표 영상 보러가기: https://www.youtube.com/playlist?list=PLGp3huJbWNDhQT4aBCS13udGhYnIc1GnO ☞ 밋업 참가 신청 하러가기: https://www.meetup.com/ko-KR/graphdatabase/ ☞ 이메일 문의: hnkim@bitnine.net ☞ 그래프 데이터베이스 솔루션 AgensGraph 직접 사용해 보기: https://bitnine.net/
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
bitnineglobal
R for Data Journalist http://woons.kr
Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료
neuroassociates
Big Data의 정의
Big data
Big data
painseob10
빅 데이터 소개
Big Data Overview
Big Data Overview
Keeyong Han
Review of API Strategy & Strata 2013 Conference
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
Channy Yun
원문출처 : 정보통신산업진흥원 ITFIND http://www.itfind.or.kr/itfind/periodical/viewPublication.htm?identifier=02-001-120410-000003&classCode=B_ITA_01_28
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
영진 박
디지털 정보자원의 아카이빙 -OASIS프로젝트
20100407 박진호 d_lifecycle_kisti
20100407 박진호 d_lifecycle_kisti
glorykim
웹의 진화, 빅데이터, 강남스타일, 웹에서의 트렌드 분석
웹의 진화와 지식 구조화 Ver 1 1
웹의 진화와 지식 구조화 Ver 1 1
Konkuk University
- GRUTER의 빅데이터 플랫폼 qoobah의 아키텍쳐와 관리 도구 Cloumon 소개 - GRUTER의 빅데이터 플랫폼 Delivery 방법론 소개
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
Gruter
2013년 한컴에서 발표한 ICT 산업 트렌드 입니다.
2014년 ICT 산업 트렌드
2014년 ICT 산업 트렌드
Donghyung Shin
중소 중견기업의 데이터 기반 디지털 전환 추진 사례와 그 방법론에 대해 간략한 소고 (디엘정보기술, 산업지능화협회, 대전고경력지식인조합 발표자료)
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf
Yunjeong Susan Hong
[2A7]Linkedin'sDataScienceWhyIsItScience
[2A7]Linkedin'sDataScienceWhyIsItScience
[2A7]Linkedin'sDataScienceWhyIsItScience
NAVER D2
- E-commerce BigData Scale AI Journey - BigData Scale Deep Learning Production System Use Case - Deep Learning, Cloud PaaS, Microservices, DevOps, etc. - E-Commerce AI Production System Strategy
E-commerce BigData Scale AI Journey
E-commerce BigData Scale AI Journey
hoondong kim
Similar to BigData, Hadoop과 Node.js, R2
(20)
Enterprise conference 2013 Microsoft BigData 사례발표자료
Enterprise conference 2013 Microsoft BigData 사례발표자료
빅 데이터 개요 및 활용
빅 데이터 개요 및 활용
1. hadoop 소개
1. hadoop 소개
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
[2016 데이터 그랜드 컨퍼런스] 2 2(빅데이터). skt beyond big data
특허전쟁 승리 위한 R&d 전략
특허전쟁 승리 위한 R&d 전략
국내외 공간빅데이터 정책 및 기술동향
국내외 공간빅데이터 정책 및 기술동향
빅데이터와 타겟 마케팅 Ver 1 0
빅데이터와 타겟 마케팅 Ver 1 0
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
Graph Database Meetup in Korea #2. Graph Database Usecase (그래프 데이터베이스 활용사례)
Bloter 넥스트 저널리즘 스쿨 강의자료
Bloter 넥스트 저널리즘 스쿨 강의자료
Big data
Big data
Big Data Overview
Big Data Overview
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
2013 빅데이터 및 API 기술 현황과 전망- 윤석찬
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
2012.04.11 미래사회와 빅 데이터(big data) 기술 nipa
20100407 박진호 d_lifecycle_kisti
20100407 박진호 d_lifecycle_kisti
웹의 진화와 지식 구조화 Ver 1 1
웹의 진화와 지식 구조화 Ver 1 1
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
GRUTER가 들려주는 Big Data Platform 구축 전략과 적용 사례: GRUTER의 빅데이터 플랫폼 및 전략 소개
2014년 ICT 산업 트렌드
2014년 ICT 산업 트렌드
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf
[2A7]Linkedin'sDataScienceWhyIsItScience
[2A7]Linkedin'sDataScienceWhyIsItScience
E-commerce BigData Scale AI Journey
E-commerce BigData Scale AI Journey
More from 고포릿 default
인공 신경망에 대한 강의를 준비하며 찾은 한빛미디어의 "신경망 첫걸음" 도서를 학습을 위해 요약해 보았다.
신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약
고포릿 default
EC2 인스턴스 및 리눅스 서버와 ssh 사용시 클라이언트 공개키를 서버측에 등록해 사용자가 인증 절차를 생략할 수 있다.
비트교육센터-AWS활용 1주차: ssh authorized_keys
비트교육센터-AWS활용 1주차: ssh authorized_keys
고포릿 default
Amazone Web Service를 다루는 기술 교재와 AWS 기술문서를 중심으로 만든 강의 교재로, 강의는 4회에 걸쳐 진행하고 있다.
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
고포릿 default
강의할 기회가 없어지는 아쉬움에 강의시 사용한 라즈베리파이 강의 자료를 업로드 합니다. Raspberry Pi를 원격 개발 환경 구성이 완료된 후에 파이썬과 관련 라이브러리를 사용해서 GPIO의 Digital, Analog signal을 송신/수신하는 방법을 다루고 있습니다.
Raspberry Pi GPIO Programming with Python
Raspberry Pi GPIO Programming with Python
고포릿 default
강의할 기회가 없어지는 아쉬움에 강의시 사용한 라즈베리파이 강의 자료를 업로드 합니다. SBC 인 Raspberry Pi 에 OS 설치, 원격 개발 환경 구성 및 개발 환경까지 완료 할 수 있고 기본 전기전자 소자와 GPIO Header pin을 통한 연결까지 다룹니다.
Raspberry Pi Basic Usage
Raspberry Pi Basic Usage
고포릿 default
앱을 위한 서버 서비스를 개발하는데 node.js, cloudfoundry, baas.io 를 이용해서 개발하는 방법을 이야기하고 있다.
앱 클라우드 서비스 개발
앱 클라우드 서비스 개발
고포릿 default
KTH에서 제공하고 있는 Baas.io 서비스를 이용해서 안드로이드 앱용 백 엔드 서비스를 이용하기 위한 기본적인 사항을 설명하고 있습니다.
안드로이드에서 Baasio 서비스 이용하기
안드로이드에서 Baasio 서비스 이용하기
고포릿 default
More from 고포릿 default
(7)
신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약
비트교육센터-AWS활용 1주차: ssh authorized_keys
비트교육센터-AWS활용 1주차: ssh authorized_keys
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
비트교육센터-AWS활용 1주차: EC2, S3, Elastic Beanstalks 사용
Raspberry Pi GPIO Programming with Python
Raspberry Pi GPIO Programming with Python
Raspberry Pi Basic Usage
Raspberry Pi Basic Usage
앱 클라우드 서비스 개발
앱 클라우드 서비스 개발
안드로이드에서 Baasio 서비스 이용하기
안드로이드에서 Baasio 서비스 이용하기
BigData, Hadoop과 Node.js, R2
1.
•
2.
BigData의
3.
개요
4.
•
5.
Hadoop
6.
이용
7.
•
8.
Streaming
9.
with
10.
Node.js
11.
•
12.
VERSION
13.
1.2
14.
•
15.
Release
16.
Date
17.
:
18.
2013.6
19.
오픈소스
20.
실습
21.
22.
23.
24.
25.
26.
27.
28.
29.
BigData
30.
소개
31.
고
32.
강
33.
태
34.
010-8269-3535
35.
36.
gangtai.goh@gmail.com @gtko http://goo.gl/9V3H6 http://www.facebook.com/gangtai.goh
37.
오픈소스
38.
실습
39.
강의
40.
• 자료의
41.
출처는
42.
슬라이드
43.
하단에
44.
표기했습니다.
45.
• 2013년
46.
숭실대학교
47.
글로벌미디어
48.
학부의
49.
오픈소 스
50.
소프트웨어
51.
실습과정의
52.
일환으로
53.
제작되었습니 다.
54.
55.
• 3 목차
56.
1.
57.
Big
58.
Data
59.
개요
60.
2.
61.
BigData
62.
분석
63.
3.
64.
Big
65.
Data
66.
활용사례
67.
4.
68.
Hadoop
69.
70.
• 4 1.
71.
Big
72.
Data의
73.
개요
74.
01.
75.
BigData?
76.
02.
77.
BigData
78.
기술요소
79.
03.
80.
BigData
81.
처리
82.
기법
83.
84.
85.
1.
86.
Big
87.
Data의
88.
개요
89.
90.
01.
91.
Big
92.
Data란?
93.
94.
• 6 Big
95.
Data란?
96.
기존
97.
데이터에
98.
비해
99.
너무
100.
커서
101.
기존
102.
방법,
103.
도구로
104.
수집/저장/검색/분석/시각화
105.
등이
106.
어려운
107.
정 형,
108.
반정형
109.
및
110.
비정형
111.
데이터의
112.
집합
113.
114.
115.
-
116.
하드웨어,
117.
소프트웨어적
118.
저장,
119.
분석의
120.
어려움을
121.
Grid
122.
computing,
123.
Cloud
124.
computing
125.
등
126.
기술로
127.
극복
128.
129.
-
130.
전통적
131.
데이터
132.
분석
133.
기법을
134.
개선
135.
136.
Big
137.
Data의
138.
개요
139.
140.
• 7 왜?
141.
2011년에
142.
새롭게
143.
생성,
144.
복제되는
145.
정보의
146.
양은
147.
1.8ZB(1조8000 억
148.
GigaByte)를
149.
넘어선다.
150.
향후
151.
5년간
152.
9배
153.
증가
154.
예상
155.
156.
157.
-
158.
1.8ZB는
159.
약
160.
4900만
161.
국민이
162.
18만년
163.
동안
164.
쉬지
165.
않고
166.
1분에
167.
트 위터에
168.
3개의
169.
글을
170.
게시하는
171.
양과
172.
같다
173.
174.
175.
-
176.
2시간짜리
177.
HD영화
178.
2000억개와
179.
맞먹는다.
180.
181.
182.
-
183.
2011,
184.
IDC
185.
186.
187.
이렇듯
188.
전세계
189.
디지털
190.
정보량은
191.
매
192.
2년마다
193.
2배씩
194.
증가
195.
Big
196.
Data의
197.
개요
198.
KT종합기술원:
199.
http://goo.gl/nVyre
200.
201.
• 8 언제?
202.
• 매일
203.
• 트위터는
204.
340M
205.
메시지를
206.
처리
207.
• 페이스북은
208.
2.7B
209.
댓글과
210.
“Likes”를
211.
저장
212.
• 매분
213.
• 200M
214.
이메일이
215.
전송중
216.
• 포스퀘어
217.
2000개
218.
이상의
219.
체크인
220.
처리
221.
Big
222.
Data의
223.
개요
224.
http://www.slideshare.net/kmstechnology/an-introduction-of-apache-hadoop
225.
226.
• 9 어디에?
227.
SKT
228.
LTE
229.
가입자
230.
하루
231.
데이터
232.
1PB
233.
시대
234.
235.
236.
-
237.
5메가바이트(MB)
238.
분량의
239.
노래
240.
2억
241.
1474만8364곡을
242.
내려받 거나
243.
영화
244.
153만3916편을
245.
내려받은
246.
셈.
247.
248.
249.
250.
-
251.
http://goo.gl/v5bHN
252.
253.
254.
-
255.
3000만
256.
가입자의
257.
분석
258.
259.
260.
미국,
261.
싱가포르
262.
등
263.
정부
264.
차원에서
265.
테러,
266.
범죄
267.
방지를
268.
위한
269.
빅데이 터
270.
수집/분석
271.
및
272.
예측
273.
체계를
274.
도입
275.
사례
276.
277.
EU는
278.
금융위기
279.
극복,
280.
사회
281.
복잡성
282.
이해를
283.
위해
284.
Future
285.
ICT
286.
프로 젝트
287.
…⋯
288.
Big
289.
Data의
290.
개요
291.
292.
• 10 어떻게?
293.
빅
294.
데이터의
295.
데이터는
296.
다양한
297.
분석
298.
기술,
299.
인프라를
300.
기반으로
301.
데이 터
302.
안에서
303.
데이터를
304.
발견하는데
305.
중점.
306.
Big
307.
Data의
308.
개요
309.
http://goo.gl/97PRT
310.
311.
• 11 어떤
312.
데이터??
313.
의학
314.
영상,
315.
이미지,
316.
센서
317.
데이터,
318.
게놈
319.
데이터,
320.
날씨
321.
데이터,
322.
인공 위성
323.
등.
324.
325.
영업데이터,
326.
고객분석,
327.
제품
328.
데이터베이스,
329.
회계
330.
데이터
331.
등
332.
333.
로그
334.
파일,
335.
네트워크
336.
메시지,
337.
웹
338.
분석,
339.
침투
340.
로그,
341.
스팸…⋯
342.
…⋯
343.
Big
344.
Data의
345.
개요
346.
347.
• 12 데이터베이스의
348.
진화
349.
데이터들이
350.
빠르게
351.
증가하는
352.
만큼
353.
노이즈
354.
데이터라고
355.
불리우는
356.
쓸모
357.
없는
358.
데이터들도
359.
많이
360.
생성
361.
이런
362.
비정형화된
363.
노이즈
364.
데이터의
365.
중요성이
366.
증대,
367.
분석
368.
요구
369.
Big
370.
Data의
371.
개요
372.
http://goo.gl/97PRT
373.
374.
• 13 데이터
375.
종류
376.
빅
377.
데이터의
378.
데이터는
379.
정형화
380.
정도에
381.
따라,
382.
Big
383.
Data의
384.
개요
385.
KT종합기술원:
386.
http://goo.gl/nVyre
387.
388.
• 14 Data
389.
storage
390.
데이터
391.
저장
392.
비용의
393.
감소
394.
Big
395.
Data의
396.
개요
397.
http://www.deepspar.com/wp-data-loss.html
398.
399.
• 15 분산컴퓨팅
400.
진화
401.
Big
402.
Data의
403.
개요
404.
405.
• 16 요소기술
406.
진화
407.
다중
408.
분산
409.
시스템
410.
변화
411.
à
412.
가상화
413.
à
414.
서비스화
415.
On Demand Computing 사용자가
416.
필요로
417.
할
418.
때
419.
언제
420.
어디서지
421.
컴퓨팅
422.
및
423.
서비스를
424.
이용할
425.
수
426.
있는
427.
주문형
428.
기반
429.
컴퓨팅
430.
Grid Computing 주어진
431.
문제를
432.
풀기
433.
위해서
434.
네트워크
435.
상의
436.
수
437.
많 은
438.
컴퓨터의
439.
자원을
440.
이용하는
441.
컴퓨팅.
442.
서로
443.
상이 한
444.
컴퓨터들이
445.
가상의
446.
대형
447.
컴퓨터를
448.
구헝à
449.
고도 의
450.
연산,
451.
대용량
452.
연산
453.
처리
454.
(
455.
SETI)
456.
457.
458.
Virtualization 물리적
459.
시스템
460.
개체들을
461.
논리적
462.
하드웨어
463.
단위로
464.
분리.
465.
컴퓨팅
466.
자원의
467.
물리적
468.
특징을
469.
숨기고
470.
이들
471.
자원을
472.
사용하는
473.
다른
474.
시스템,
475.
애플리케이션
476.
및
477.
사용자에게
478.
단일한
479.
시스템
480.
이미지를
481.
제공하는
482.
개 념.
483.
또한
484.
단일
485.
자원이
486.
여러개의
487.
논리
488.
단위로
489.
혹은
490.
반대를
491.
포함한다.
492.
à
493.
LVM,
494.
VMWare
495.
Utility Computing 사용자가
496.
필요한
497.
만큼
498.
시스템
499.
자원을
500.
사용하고
501.
그
502.
사용량에
503.
따라
504.
비용을
505.
지불하는
506.
개념의
507.
컴퓨팅
508.
509.
à
510.
SaaS;
511.
Salesforce.com
512.
Cloud Computing 가상화되고
513.
Privisioning을
514.
포함해
515.
상업적으로
516.
Utility-computing
517.
서비스를
518.
시행
519.
520.
à
521.
E2C,
522.
AppEngine,
523.
Cloud
524.
hosting
525.
Big
526.
Data의
527.
개요
528.
529.
• 17 Don’t
530.
buy,
531.
be
532.
use!
533.
HW,
534.
SW의
535.
물리적
536.
제약을
537.
가상화로
538.
해결
539.
http://www.slideshare.net/CiscoSP360/vmworld-2009-vmworld-data-center Big
540.
Data의
541.
개요
542.
543.
• 18 BigData
544.
story
545.
Database,
546.
Dataware
547.
House,
548.
Data
549.
mart
550.
등의
551.
정적
552.
데이터
553.
기 반은
554.
대규모
555.
메모리,
556.
SAN
557.
Storage
558.
등을
559.
대용량
560.
파일시스템
561.
마운 트를
562.
기반으로
563.
고가용성을
564.
유지
565.
566.
-
567.
단,
568.
scale-up
569.
기반의
570.
성능
571.
향상
572.
573.
구글은
574.
검색기반
575.
광고에
576.
Tera
577.
-
578.
Peta
579.
규모의
580.
데이터
581.
분석등을
582.
위핸
583.
MapRedue
584.
라는
585.
모델을
586.
구글파일시스템(GFS)에서
587.
활용
588.
이런
589.
MapReduce
590.
솔루션
591.
중에서
592.
오픈소스로
593.
주목
594.
받는
595.
기술이
596.
J ava기반의
597.
Apache
598.
Hadoop
599.
이다.
600.
Hadoop은
601.
야후
602.
더그커킹이
603.
개발/배포하다
604.
오픈소스화.
605.
606.
페이스북,트위터,링크드인,
607.
이베이,
608.
아마존
609.
등
610.
이용
611.
국내
612.
NexR이
613.
hadoop
614.
및
615.
클라우드
616.
기반
617.
솔루션,
618.
이후
619.
KT크라우 드웨어에서
620.
R+Hive
621.
솔루션
622.
RHive
623.
제공.
624.
Big
625.
Data의
626.
개요
627.
미래사회와 빅 데이터(Big
Data)기술
628.
• 19 BigData와
629.
Cloud
630.
631.
632.
633.
634.
635.
http://www.citsoft.net/?page_id=336
636.
637.
638.
639.
640.
Big
641.
Data의
642.
개요
643.
644.
1.
645.
Big
646.
Data의
647.
개요
648.
649.
02.
650.
Big
651.
Data
652.
요소
653.
기술
654.
655.
• 21 V
656.
V
657.
V
658.
3대
659.
요소
660.
Big
661.
Data의
662.
개요
663.
664.
• 22 Volume
665.
웹
666.
로그,
667.
지메일
668.
서버
669.
등의
670.
데이터는
671.
수
672.
PB
673.
이상
674.
트위터의
675.
메시징
676.
정보량
677.
GB
678.
미만
679.
등…⋯
680.
안정적
681.
데이터와
682.
분석,
683.
처리에
684.
중점을
685.
두는
686.
데이터의
687.
차별이
688.
필요하다.
689.
물리적
690.
크기보다
691.
데이터의
692.
속성에
693.
따라
694.
중요성을
695.
판단하고
696.
처리하는데
697.
중점
698.
699.
Big
700.
Data의
701.
개요
702.
http://goo.gl/aXm24
703.
704.
• 23 Velocity
705.
데이터를
706.
처리하는
707.
속도
708.
배치
709.
분석
710.
실시간
711.
분석
712.
결과에
713.
대한
714.
가시화
715.
기능도
716.
중요
717.
718.
-
719.
단,
720.
가시화가
721.
처리를
722.
능가하면
723.
안됨
724.
Big
725.
Data의
726.
개요
727.
728.
• 24 Variety
729.
전통적
730.
데이터는
731.
기업내부의
732.
ERP,
733.
SCM,
734.
MES,
735.
CRM
736.
등은
737.
RDBMS
738.
기반의
739.
정형화된
740.
데이터를
741.
구축해서
742.
운영하고
743.
있다.
744.
기업
745.
외부의
746.
데이터인
747.
마케팅,
748.
평판,
749.
기사
750.
등의
751.
데이터는
752.
데이터 웨어하우스를
753.
통해
754.
유지,
755.
분석했다.
756.
그러나
757.
인터넷
758.
시대에
759.
모든
760.
데이터를
761.
정형/반정형화
762.
해서
763.
이용하 는데
764.
한계에
765.
직면
766.
Big
767.
Data의
768.
개요
769.
http://goo.gl/MTKST
770.
771.
• 25 http://goo.gl/80Hb4
772.
d
773.
Big
774.
Data의
775.
개요
776.
777.
• 26 주요
778.
업체
779.
Hortonworks
780.
–
781.
야후분사,
782.
Hadoop
783.
코어
784.
지원,
785.
아치텍쳐
786.
Cloudera
787.
–
788.
야후분사,
789.
기술지원,
790.
교육
791.
및
792.
배포판
793.
제공
794.
IBM
795.
–
796.
Apache
797.
hadoop
798.
기반
799.
basic,
800.
enterprise
801.
배포판
802.
EMC
803.
–
804.
DW
805.
Greenplum에
806.
MapR
807.
통합해
808.
제공,
809.
Apache
810.
Hadoop
811.
기반
812.
community
813.
edition
814.
Oracle
815.
–
816.
HW
817.
+
818.
Cloudera
819.
DataStax
820.
–
821.
Hadoop
822.
+
823.
Hive
824.
+
825.
Cassandra
826.
Datameer
827.
–
828.
Analytic
829.
solution
830.
Hadapt
831.
–
832.
Analytic
833.
platform
834.
HStreaming
835.
–
836.
Real
837.
tie
838.
processing
839.
840.
Big
841.
Data의
842.
개요
843.
미래사회와 빅 데이터(Big
Data)기술
844.
• 27 솔루션간
845.
관계
846.
Big
847.
Data의
848.
개요
849.
미래사회와 빅 데이터(Big
Data)기술
850.
• 28 2.
851.
BigData의
852.
분석기법
853.
01.
854.
BigData
855.
처리
856.
02.
857.
BigData
858.
분석기법
859.
03.
860.
BigData
861.
862.
863.
1.
864.
Big
865.
Data의
866.
개요
867.
868.
01.
869.
Big
870.
Data
871.
처리
872.
873.
• 30 빅데이터
874.
처리는
875.
빠른
876.
의사결정이
877.
상대적으로
878.
덜
879.
요구된다
880.
처리
881.
복잡도가
882.
높다
883.
처리할
884.
데이터
885.
양이
886.
방대하다
887.
비정형
888.
데이터
889.
비중이
890.
높다
891.
처리/분석
892.
유연성이
893.
높다
894.
동시처리량이
895.
낮다
896.
BigData
897.
처리
898.
가트너
899.
11년
900.
보고서
901.
902.
• 31 처리
903.
방식
904.
다양한
905.
스토리지,
906.
컴퓨팅
907.
기술
908.
과
909.
분석
910.
기술을
911.
이용한다.
912.
그래서
913.
빅
914.
데이터
915.
기술은
916.
크게
917.
분석
918.
기법과
919.
분석
920.
인프라로
921.
구성
922.
Big
923.
Data의
924.
개요
925.
KT경제연구소,
926.
Big
927.
Data,
928.
미래를
929.
여는
930.
비밀의
931.
열쇠
932.
933.
BigData의
934.
분석기법
935.
936.
02.
937.
주요
938.
분석
939.
기법
940.
941.
• 33 TextMining
942.
텍스트마이닝은
943.
비/반정형
944.
텍스트
945.
데이터에서
946.
자연어처리 Natural
947.
Language
948.
Processing
949.
기반
950.
추출/가공을
951.
목적
952.
953.
-
954.
방대한
955.
텍스트
956.
내용
957.
안에서
958.
의미
959.
있는
960.
정보를
961.
추출해
962.
다른
963.
정보 와의
964.
연계성을
965.
파악해
966.
텍스트의
967.
분류화
968.
969.
-
970.
단순
971.
키워드
972.
검색
973.
이상의
974.
결과를
975.
얻는다.
976.
977.
다양한
978.
텍스트마이닝
979.
기술
980.
요소
981.
참조
982.
983.
984.
-
985.
http://goo.gl/VeBGL
986.
987.
예)
988.
Hadoop의
989.
Mahout
990.
서브
991.
시스템
992.
993.
BigData
994.
분석기법
995.
996.
• 34 Opinion
997.
Mining
998.
텍스트마이닝
999.
분야로
1000.
일명
1001.
평판분석
1002.
Sentiment
1003.
Analysis
1004.
소셜미디어
1005.
등의
1006.
정형/비정형
1007.
텍스트의
1008.
긍정Positive,
1009.
부정 Negative,
1010.
중립Neutral
1011.
의
1012.
선호도를
1013.
판별
1014.
1015.
예)
1016.
소셜네트워크에서
1017.
서비스/상품의
1018.
1019.
시장규모
1020.
예측,
1021.
소비자의
1022.
반응,
1023.
1024.
입소문
1025.
분석
1026.
등을
1027.
위해
1028.
활용.
1029.
1030.
1031.
SNS에서
1032.
오피니언마이닝
1033.
1034.
-
1035.
http://www.slideshare.net/hyummoki/sns-12894995
1036.
1037.
BigData
1038.
분석기법
1039.
연구데이터
1040.
지원
1041.
/
1042.
오피니언마이닝을
1043.
위해
1044.
데이터
1045.
제공
1046.
http://lab.naver.com/research/
1047.
1048.
• 35 SNS
1049.
Analytics
1050.
소셜네트워크의
1051.
연결구조,
1052.
강도
1053.
등의
1054.
분석은
1055.
그래프
1056.
이론을
1057.
기반 으로
1058.
한다.
1059.
1060.
소셜네트워크
1061.
사용자의
1062.
명성,
1063.
영향력
1064.
등을
1065.
측정
1066.
가능하다.
1067.
1068.
소셜네트워크
1069.
내에서
1070.
입소문의
1071.
1072.
중심,
1073.
허브
1074.
역할
1075.
사용자
1076.
검색
1077.
이런
1078.
영향력있는
1079.
Influencer의
1080.
1081.
모니터링,
1082.
관리를
1083.
목적
1084.
1085.
1086.
소셜
1087.
네트워크
1088.
분석
1089.
사례
1090.
1091.
-
1092.
http://www.slideshare.net/webscikorea/ss-2659452
1093.
BigData
1094.
분석기법
1095.
http://cyram.tistory.com/35
1096.
1097.
• 36 Cluster
1098.
Analysis
1099.
군집분석
1100.
Cluster
1101.
Analysis는
1102.
비슷한
1103.
개체를
1104.
합쳐가며
1105.
최종적으 로
1106.
유사
1107.
특성의
1108.
군Group을
1109.
발굴하는데
1110.
사용
1111.
예로
1112.
소셜네트워크에서
1113.
영화,
1114.
정치
1115.
등을
1116.
주로
1117.
이야기
1118.
하는
1119.
사용자 군,
1120.
자동차에
1121.
관심있는
1122.
군을
1123.
추출
1124.
1125.
BigData
1126.
분석기법
1127.
http://cyram.tistory.com/72
1128.
1129.
BigData의
1130.
분석기법
1131.
1132.
03.
1133.
주요
1134.
분석
1135.
Infra
1136.
기술
1137.
1138.
BigData의
1139.
분석기법
1140.
1141.
03.
1142.
주요
1143.
분석
1144.
Infra
1145.
기술
1146.
1147.
• 39 Infra
1148.
structure
1149.
테라,
1150.
페타,
1151.
제타
1152.
바이트
1153.
이상의
1154.
데이터를
1155.
저장,
1156.
분석을
1157.
위한
1158.
인프 라
1159.
기술
1160.
개발이
1161.
중요.
1162.
BigData
1163.
분석기법
1164.
http://goo.gl/VT5Z4
1165.
1166.
• 40 Hadoop
1167.
테라,
1168.
페타,
1169.
제타
1170.
바이트
1171.
이상의
1172.
데이터를
1173.
저장,
1174.
분석을
1175.
위한
1176.
인프 라
1177.
기술
1178.
개발이
1179.
중요.
1180.
Hadoop
1181.
1182.
-
1183.
오픈소스
1184.
분산데이터
1185.
처리
1186.
기술
1187.
1188.
-
1189.
HDFS과
1190.
Hbase,
1191.
MapReduce
1192.
등
1193.
1194.
서브
1195.
시스템의
1196.
집합
1197.
1198.
-
1199.
HDFS,
1200.
Hbase는
1201.
각각
1202.
구글
1203.
GFS,
1204.
1205.
Big
1206.
Table
1207.
영향받아
1208.
비용효율적인
1209.
1210.
x86
1211.
서버로
1212.
가상화된
1213.
1214.
대형스토리지
1215.
구성,
1216.
저장된
1217.
1218.
데이터셋을
1219.
간편하게
1220.
분산처리할
1221.
1222.
수
1223.
있는
1224.
Java기반의
1225.
MapReduce
1226.
프레임워크
1227.
제공
1228.
BigData
1229.
분석기법
1230.
1231.
• 41 R
1232.
오픈소스
1233.
프로젝트로
1234.
통계계산
1235.
및
1236.
시각화를
1237.
위한
1238.
언어
1239.
및
1240.
개발환 경
1241.
1242.
-
1243.
통계기법,
1244.
모델링,
1245.
데이터마이닝
1246.
기법의
1247.
구현
1248.
/
1249.
계산
1250.
1251.
-
1252.
결과는
1253.
그래프
1254.
등의
1255.
시각화
1256.
기능
1257.
1258.
-
1259.
Java,
1260.
C,
1261.
Python과
1262.
연계
1263.
1264.
-
1265.
Windows,
1266.
Mac,
1267.
Linux,
1268.
Unix
1269.
등
1270.
지원
1271.
1272.
-
1273.
하둡
1274.
상에서
1275.
분산처리
1276.
지원
1277.
라이브러리를
1278.
통해서
1279.
구글,
1280.
페이스 북,
1281.
아마존
1282.
등
1283.
빅데이터
1284.
분석이
1285.
필요한
1286.
기업에서
1287.
사용
1288.
1289.
1290.
-
1291.
http://www.r-project.org/
1292.
BigData
1293.
분석기법
1294.
1295.
• 42 NoSQL
1296.
Not-Only
1297.
SQL,
1298.
No
1299.
SQL!
1300.
테이블
1301.
스키마가
1302.
고정되지
1303.
않고,
1304.
테이블
1305.
조인
1306.
없어
1307.
수평적
1308.
확장이
1309.
용이하다.
1310.
1311.
RDB가
1312.
관계에
1313.
중점되어
1314.
일관성이
1315.
중요시
1316.
된다면,
1317.
NoSQL은
1318.
분산
1319.
가능성에
1320.
중점을
1321.
두어
1322.
일관성과
1323.
유효성은