Jeremy Stanley, Paige Schwartz 著

李晗玥, 柯幸烨, 陈天皓 译

出版时间：2025年05月

页数：202

“这本书巧妙地阐述了从规则定义、机器学习到规模扩展以及警报疲劳等数据质量的整个生命周期，是一本权威的参考资料。”
——Chris Riccomini
The Missing README的作者
如今，各类企业每天总共要处理250亿亿字节的数据。然而，在这些用于开发产品、驱动人工智能系统以及助力商业决策的数据中，有多少是质量不佳甚至完全没用的数据呢？这本书将向你展示如何确保你的组织所依赖的数据是可靠的。
大多数数据工程师、数据分析师和数据科学家真心关注数据质量，但他们往往没有时间、资源或足够的认知来构建一个能够大规模成功运行的数据质量监控解决方案。在本书中，来自Anomalo公司的Jeremy Stanley和Paige Schwartz将阐释如何利用自动化数据质量监控来高效覆盖所有数据表，主动就问题发出预警，并立即解决问题。
通过阅读这本书，你将：
● 了解为何数据质量是企业的当务之急。
● 构建一个无监督机器学习模型，用于检测数据问题。
● 实施通知机制，以减轻警报疲劳，并快速对问题进行分类并解决它们。
● 将自动化数据质量监控与数据目录、编排层以及商业智能和机器学习系统进行集成。
● 学习如何克服自动化数据质量监控的局限性。
● 了解如何大规模部署和管理你的监控解决方案。