Adatkelet

Review: Agile Data Science (O’Reilly Media)

soobrosa — Sat, 28 Dec 2013 14:38:00 +0100

You could say I'm a sucker for bashing, but hell no, was I just curious.

Agile is something of an overused buzzword now and it seems to be the case now. Agile here equals with just installing a dozen frameworks after each other and skim another programming or markup language in a row spiced with some algos and stats. You gonna be exposed to SQL, NoSQL, Python, Avro, Pig, Flask, Bootstrap, Jinja, D3.js, nvd3.js, MongoDB, ElasticSearch, GitHub, dotCloud, S3, Elastic Mapreduce, Google Analytics, Mortar Data, ElasticSearch, Wonderdog, TF-IDF and Naive Bayes, all in 178 pages.

Thinking positively this is the quickest possible intro for a workflow with all typical phases, although weapons of choice seem arbitrary, never a why, never a pro or a con nor any alternatives. If you're lazy to understand the landscape and want a pre-cooked menu that you can cook, but can't change the recipes, go for it.

Check for yourself at O'Reilly.

Score: 2 of 5.

Review: Python for Data Analysis (O’Reilly Media)

soobrosa — Wed, 08 May 2013 20:04:00 +0200

Mea culpa, but I was waiting for THE Pandas book given its author. I believed that pandas deserve a good intro book with decently built examples and learning curve, but I was wrong. This book is a very uneven kind of batched together webreference chapters. Most of the material is not meant for beginners sometimes even can get kind of scary. No pun intended, it smells like good intent, bad execution for me. As a starter Chapter 2 contained non-working code snippets while Chapter 3 exposed such inner workings that could confuse readers. Why is this here, I mean all editors went on strike? Truth to be told the 2nd edition fixed some of the most annoying bugs. Strictly appendix stuff is edited in as the main course. Handle with care — I will stick to pandas tutorials presented in IPython notebooks.

Check for yourself at O'Reilly.

Score: 3 of 5.

ELŐADÁS: Extract Transform Load in Python

soobrosa — Wed, 03 Apr 2013 15:25:15 +0200

-on a CEU Microdata projekt Python-os ETL eszközétől, a mETL-ről (ejtsd: metil).

ELŐADÁS: Big Data - Over The Hype

soobrosa — Fri, 08 Feb 2013 14:14:00 +0100

Január 23-án előadtam a Superweek konferencián, kösz Bánónak a hangért, nyilván a helyszínen merült le a hangfelvevőm.

PyData 2012

soobrosa — Fri, 18 Jan 2013 14:30:00 +0100

A PyData szuperniche konferencia a javából a Python és az adatbindzsi metszetében. Tűéles előadások és tutorialok, alább a három kedvenc, de érdemes kotorászni a

Geo pályamű a Hubway Data Challenge-re

soobrosa — Wed, 12 Dec 2012 20:14:00 +0100

Krich Balázzsal neveztünk a pályaművünkkel.Tanulságok:

a Tilemill-lel elképesztő részleteiben kidolgozható egy térkép, csak idő kérdése - persze az segít, ha tudjuk, mit szeretnénk csinálni,
a feliratok a térképek elválaszthatatlan részei,
a domborzati térkép nem vagy varia, Amerikában a ASTER-t érdemes használni,
ha az adataid geokódolva vannak és időpecsét is van rajtuk, akkor CartoDB Torque-kal se perc alatt animálhatod őket. (Tipp: azért egy kis Google Directions API varázslat kellett hozzá.)

Összességében jó kis gyorstalpaló volt ez az új generációs digitális térképészetben. Nehéz az MIT nyomába eredni, érdemes megnézni a többi nevezést is.

"Postal address cleaning in the Networks Project" előadás a Data Science Meetup Novemberen

soobrosa — Thu, 29 Nov 2012 19:37:00 +0100

Data Science Meetup November-en a CEU Networks projekt első geek prezijét az adattisztításra épített irányított aciklikus gráf feldolgozónkról, a TARR-ról (Test and Rule Registry).

Interjúk a projekt vezetőivel, Szeidl Ádámmal és Koren Miklóssal.

Dashboard pályázat

soobrosa — Fri, 16 Nov 2012 11:18:09 +0100

Kicsit rövid a jelentkezési határidő - ma -, és a tízezer forintos adminisztrációs díj kicsit sok, de érdemes ráfeküdni. Részletek itt, válogatás a pályázat anyagaiból ott. (A rendezvényen rövid haknit követtem el, ami a hullámzó net miatt inkább bábozás volt - a végső és valódi Tableau-s Foursquare dashboarddal még mindig adós vagyok.)

Review: Strata Conference Santa Clara 2012: Complete Video Compilation (O’Reilly Media)

soobrosa — Sat, 11 Aug 2012 14:08:00 +0200

I'm not a big fan of conferences although I've attended some, even presented at some in the international e-learning circuit. Strata, however always make me consider applying for a US visa - hint: Strata is just hitting London this October. Videos from Strata 2011 was already featured in this blog as they condensed such wit and knowledge with good presentation that I believe it's a must to consume them for any serious data nerd. This video product is not perfect - see my struggle with talking head videos before -, yes, in general it would make more sense to show the overhead projection in a big and the talking head in a small crop, but the Strata 2012 video compilation is actually more than you can handle and I'm not just talking about the 106 hours equaling gigabytes of MP4 movies. Yes, if you lurk around Youtube, you can find some of the best presentations out there, for free, but this product also contains the materials of the workshops that you definitely shouldn't miss. Please find below three of my favourite presentations from Avinash Kaushnik, Ben Goldacre and Jeremy Howard.

Check for yourself at O'Reilly.

Score: 5 of 5.

Magyar közösségi slágerlista az Artisjus-nak

soobrosa — Wed, 01 Aug 2012 14:26:00 +0200

Ahogy erről az Index is beszámolt, a Youtube és a Facebook adatai alapján zenei slágerlistát készítettünk a 3G Multimédiával az Artisjus zenei jogvédő egyesület számára. A rangsort a Zene Ünnepe alkalmából a Dal+Szerző magazinban publikálták, ahol negyedévente frissülnek majd a toplista eredményei.

Infografika Meetoff

soobrosa — Fri, 27 Jul 2012 14:26:00 +0200

Július 19-én a Dohány utcai Bazaar-ban zajlott az első magyar Infografika Meetoff. Rövid előadásunkban Balázssal a Tableau-val szerzett dashboard prototipizálási tapasztalatunkról beszéltünk az Information is Beautiful verseny kapcsán.

Kicsit polemizáltunk arról, hogy mennyire bulvár a hasonnevű könyv, amelyből a szervezők egy példányt ki is sorsoltak - annak mindenesetre örülünk, hogy magyar nyelven is hozzáférhető.

A versenyben igen hasznos volt a Tableau gyors prototipizálási képessége, a papírra skiccelt dashboard mind az 5 prototípus irányával ki tudtuk próbálni, hogy mennyire releváns válaszokat tudunk alapvető kérdéseinkre adni. Igyekeztünk actionable nézeteket kidolgozni és így sikerült végül valami egészen másra használni a Tableau-t, mint amire készült, egy egészen webes alkalmazásra hajazó vizualizáció lett a végeredmény. Nem tudtuk eldönteni, hogy a rendelkezésre bocsátott adatforrás figyelmetlenségből vagy szándékosan volt hibás és koszos, mindenesetre más forrásokból (Boxofficemojo és Wikipedia) újabb oszlopokkal dúsítottuk. (Kéménybe korommal: emlékeztessük magunkat mindig, hogy akármilyen kis projekten is dolgozunk, igen hasznos lehet valamilyen elsődleges kulcs, amelynek segítségével akár már az adatforrások lezárta után is tudunk még oszlopokat injektálni, joinolni a tábláinkba.) Az alkalmazássá alakítás igazi hekkeléssé fajult, logika került a táblába, és kapcsolóoszlopok miatt az eredetileg körülbelül 700*17-es tábla 33869*41-es lett. Úgy sejtettük, hogy a verseny nyertesei inkább szépek lesznek, mint okosak - ez a sejtésünk be is igazolódott -, mi azonban erőforrás hiányában csak a végén húztunk be egy dizájnert a projektbe, ebben még biztosan javulnunk kell.

Review: C.J. Date's Database Design and Relational Theory: Normal Forms and All That Jazz Master Class (O’Reilly Media)

soobrosa — Sun, 24 Jun 2012 17:19:00 +0200

It should be my mistake. Once I was interested in a serious look on database design, second I was really curious what could O'Reilly Media do with the "talking head" courseware genre. Boy, was I disappointed. As I started watching I immediately found myself in the Eighties watching BBC in some Wales humdrum town. Expect nodding heads around the table, I can't reflect responsibly on the content as I fell asleep immediately. I believe this is not a proper choice of media for this topic.

Check for yourself at O'Reilly.

Score: 1 of 5.

Diagramtípus

soobrosa — Tue, 15 May 2012 16:59:00 +0200

Kicsit skizoid a viszonyom a treemap-ekkel, mindig izgattak, hasznosnak tartom őket, de a legtöbbször nehezen értelmezhetőek. Még januárban csináltam Excelben a fenti ábrát, ha még egy dimenziót sikerülne érthetően belegyömöszölni, elégedett lennék.

Update: közben rájöttem, hogy a fenti cucc egy mosaic plot, sőt mitöbb egy

Review: Drew Conway & John Myles White: Machine Learning for Hackers (O’Reilly Media)

soobrosa — Tue, 17 Apr 2012 11:46:09 +0200

As I consider myself a hacker rather than a coder I was delighted to find a title aimed for directly at me as "for Hackers". The topic of machine learning is both generally hot and personally interesting to me as I try to mangle recommendation approaches in the music domain and just finished with all worthwhile heuristics-based methods. I thought that this book could provide me with a good entry and could be a newer, more up-to-date approach than the classic

Score: 5 of 5.

The Blockbuster Meter

soobrosa — Thu, 29 Mar 2012 11:09:00 +0200

dataeast.co fedőnéven neveztünk az moziversenyére ezzel a

A nevezés végül , és az Indexre elkészítettük a

Review: William E. Shotts Jr.: The Linux Command Line – A Complete Introduction (O’Reilly Media)

soobrosa — Mon, 20 Feb 2012 14:44:46 +0100

I approached this book as an aging hacker who started out network computing on DEC VAX and VMS, but spent more than a dozen years in Windows-close business environments, and now gets back to its roots with a programming habit turning serious. My UNIX experience got rusty during the years, and I was surprised to find a complete generation of programmers operating without a slight knowledge of the command line. I wanted to get a practical grasp again to make my day-to-day data crunching toolset wider with all the command line can provide me with – not least compell the youngsters who cannot help themselves starting out with a new JAVA class to solve any problem.

The book is well-written, perhaps a bit too verbose, but it’s easily accessible even for beginners. However, I’m not totally sure how it should be consumed as I found it a bit middle-of-the-road, too detailed for a reference book, but not covering all the razorsharp workhorse approach of UNIX commands. In my case, text cruncing related basics, such as grep or regex is just slightly touched, you can’t even find the word ’greedy’ in the whole book. The back cover states that the target audience of the book is someone who already uses Linux with a GUI, but now wants to look under the hood.

I’m not totally sure that this journey will amaze and show the real strength in the engines, but for me, it’s a keeper, I’ll definitely skim it to refresh my memories building my new Linux coding workstation. Check for yourself at

Lokáció alapú közösségi tevékenységek turisztikai hatása Magyarországon - prezentáció

soobrosa — Sun, 22 Jan 2012 18:20:00 +0100

A héten bemutattam és egyben meg is védtem szakdolgozatom a főiskola szakdolgozatversenyén. Igyekszem mihamarabb megosztani az adatokat és a kódot is.

Lokáció alapú közösségi tevékenységek turisztikai hatása Magyarországon

soobrosa — Tue, 20 Dec 2011 12:12:00 +0100

Nem is értem, miért használ még bárki Scribd-et, hisz jóféle spammer oldal lett. A teljes szakdolgozatomnak is jó gazdája az Issuu.

Lokáció alapú közösségi tevékenységek turisztikai hatása Magyarországon - kivonat

soobrosa — Tue, 15 Nov 2011 10:55:00 +0100

Strata konferencia csemegék

soobrosa — Wed, 12 Oct 2011 18:38:00 +0200

Tavasszal ismét