-
1 # 渺茫之舟科技
-
2 # 程式設計師的自白
只需要《Hadoop之路》和《spark大資料分析》，其他知識進了企業在工作中積累，大資料是原理很簡單，最重要的是經驗積累
-
3 # 科技要述
事實上大資料技術體系龐大，包括的知識較多，從最基礎的程式設計基礎到資料處理分析及各種工具的運用，整個學習的內容還是很多的，從易到難可以分為4個階段：
第1階段：大資料基礎語言的學習Java是大資料學習需要的程式語言基礎，因為大資料的開發基於常用的高階語言。而且不論是學習hadoop，還是資料探勘，都需要有程式語言作為基礎。因此，如果想學習大資料開發，掌握Java基礎是必不可少的。
經典圖書推薦：Java 高效程式設計（Effective Java）
第二階段：大資料核心知識學習如果把大資料比作容器，那麼這個容器的容量無限大，什麼都能往裡裝，大資料離不開物聯網，移動網際網路，大資料還和人工智慧、雲計算和機器學習有著千絲萬縷的關係，大資料海量資料儲存要高擴充套件就離不開雲計算，大資料計算分析採用傳統的機器學習、資料探勘技術會比較慢，需要做平行計算和分散式計算擴充套件。
Hadoop生態系統；HDFS技術；HBASE技術；Sqoop使用流程；資料倉庫工具HIVE；大資料離線分析Spark、Python語言；資料實時分析Storm；訊息訂閱分發系統Kafka等。
經典圖書推薦：
《Hadoop權威指南》《Hive程式設計指南》《Spark 快速大資料分析》《Spark機器學習：核心技術與實踐》
第三階段：專案實踐大資料學習除了各種工具和語言要掌握，還要有良好的數學功底。數學知識是資料分析師的基礎知識。對於資料分析師，瞭解一些描述統計相關的內容，需要有一定公式計算能力，瞭解常用統計模型演算法。而對於資料探勘工程師來說，各類演算法也需要熟練使用，對數學的要求是最高的。
經典圖書推薦：
《機率論與數理統計》、《統計學》推薦David Freedman版、《業務建模與資料探勘》、《資料探勘導論》、《SAS程式設計與資料探勘商業案例》、《Clementine資料探勘方法及應用 》、《IBM SPSS Statistics 19 Statistical Procedures Companion》等。
第四階段：大資料分析 —人工智慧（AI）大資料學習最終的目的是應用，大資料技術可以應用在各個領域，比如公安大資料、交通大資料、醫療大資料、就業大資料、環境大資料、影象大資料、影片大資料等等，應用範圍非常廣泛， 大資料分析技術離不開人工智慧。
經典圖書推薦：
《機器學習》《模式分類》《統計學習方法》《資料探勘實用機器學習技術》《人工智慧及其應用》、《機率圖模型》
當然，“紙上得來終覺淺，絕知此事要躬行”，大資料學習重要的是練習、練習、再練習，將學到的知識與實際應用場景相結合。事實上，對於零基礎的朋友來說，光是看這些書籍是遠遠不夠的，個人建議還是找一家培訓機構，邊學邊看邊練，然後找一些好的大資料分析公司參加一些實習，跟大牛學習，從專案中鍛鍊。
回覆列表
1. 大資料工程師
《Hadoop權威指南
《Hive程式設計指南》
《Hbase權威指南》
《大資料技術全解》
《大資料挑戰NoSql》
《Mahout實戰》
2. 資料分析師：
《機率論與數理統計》、《統計學》推薦David Freedman版、《業務建模與資料探勘》、《資料探勘導論》、《SAS程式設計與資料探勘商業案例》、《Clementine資料探勘方法及應用》、《IBM SPSS Statistics 19 Statistical Procedures Companion》等。
還有很多呢！