學習大資料自然是需要基礎的，而且相比一般的程式設計師，大資料的門檻還要略高一點。

大資料之所以被稱為大資料，自然是因為有龐大的資料量，複雜的資料模型，因此，要學習大資料需要至少兩方面的基礎，一是程式設計方面的基礎，二是數學及演算法方面的基礎。

現在做大資料的主流語言有兩種，一個是Java，Java作為最受歡迎的程式語言，可以說是比較全能的了，各種領域基本都有Java的影子。Hadoop作為基於Java而設計的大資料框架，也是被應用得非常多的。

那麼學好這些變成語言，熟悉相應的大資料框架，才能夠在這個行業有一個基本的位置，否則，你連大資料實現的基本知識都沒有，談何大資料呢？

大資料的處理中，設計到了大量的和數學有關的知識，沒有數學的基礎，基本上你就是看到如大海一般的一個個數字，然後無從下手。

要做好大資料，我們至少需要這幾個方面的數學基礎：

機率論與數理統計

在資料建模和資料探勘中，我們會用到很多和機率、數理統計相關的知識點，例如多為隨機變數及其分佈、方差分析及迴歸分析、貝葉斯理論等等。

如果沒有這些理論的支援，我們在進行建模和挖掘的過程中，就可能出現較大的偏差或者效率的低下。

線性代數

在大資料的應用場景中，我們會把分析物件抽象成為矩陣，而矩陣就會有轉置、向量等等公式應用到我們的實際場景中。奇異值分解SVD、PCA、NMF、MF等，都在大資料分析中廣泛應用的分析法，所以，學好線性代數，對於大資料有著重要的意義。

當然，理工類的專業，大學基本都會學習線性代數，大學學習的這些知識你熟練了，也就夠用了。

這部分的數學知識與大資料技術開發的關係也很密切，矩陣、轉置、秩 分塊矩陣、向量、正交矩陣、向量空間、特徵值與特徵向量等在大資料建模、分析中也是常用的技術手段。

離散數學

離散數學是計算機科學的重要基礎，自然重要性不言而喻，大資料也是逃不脫計算機科學的範疇，自然也是必須學好的一門學科。

看完以後，是不是覺得很“簡單”，OK，那麼你可以選擇好好學習，天天向上了。

大資料不是一門簡單的學科，需要學習的方面有很多，如：數學、英語、程式設計基礎等等!具體分析如下：

1、學習大資料的基礎

學大資料課程之前要先學習一種計算機程式語言。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。

程式語言，對於想學大資料的同學，至少需要具備一門程式語言，比如java、Scala、Python等均可。

數學知識，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，對數學的要求是很高的。

2、學習大資料必須學習大資料核心知識

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。

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。

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，大資料技術已經像空氣一樣滲透在生活的方方面面。大資料技術的出現將社會帶入了一個高速發展的時代，這不僅是資訊科技的終極目標，也是人類社會發展管理智慧化的核心技術驅動力。

因此建議想學習大資料的同學，可以選擇專業全面的學習方式，可以從頭帶你學習大資料，還會結合專案實踐更熟練的掌握大資料技能。

個人情況

本人是本科理工類專業畢業，畢業5年，現從軟體開發工作，主寫c++/c#。今年在公司組織下學習大資料人工智慧方面的知識，學習這方面知識還算是有一點基礎吧，但是我依然感到十分的吃力。下面就來細說一下。

首先看一下，大資料人工智慧都涉及哪些方面的知識，這裡透過一張圖來展示。主要包括四個大方面的知識，第一是資料獲取（感測器、檔案解析、資料庫），第二是資料分析（搜尋、模擬、清洗、數理分析等），第三是AI模型建立、訓練，第四是呈現，程式碼包裝。

既然是學習大資料，那麼資料獲取、資料處理是必不可少的。比如，你要做影象識別，那麼如果你連影象在計算機中是如何儲存，如何卷積的都不知道，又或者你不會連線資料庫讀取資料，有或者你連csv檔案都不會用程式碼開啟，那麼也不是說你就不能學習大資料了，而是你需要比別人花多十倍的時間。

數學知識也是必須的，大資料的歸類、清洗、降噪都是需要運用到數理邏輯的，比如線性代數、機率統計之類的知識。這裡也給大家貼一張圖，大家感受一下：

程式碼在這裡面扮演的知識一個工具，所謂磨刀不誤砍柴工，你要是會用工具那麼你的效率就很高。不然你處理資料用人工的話估計會累到吐血，像numpy、pandas等十分好用的資料處理框架以及現在的AI模型基本都有成熟的架構，直接用keras或者tensorflow直接呼叫就好了。那麼程式碼編寫的能力你是肯定需要具備的，需要用程式碼的方式將數理計算的過程實現出來。

嗯，是的的確需要有基礎。其實整個大資料在實際商業世界的應用鏈條比較長。大概分成如下幾塊：大資料叢集的運維、資料的收集、資料的計算、資料倉庫、資料應用（報表、資料探勘、推薦、搜尋、廣告和風控）。當然宏觀上來說大概需要如下一些基礎：

1.計算機系統及程式設計基礎：如linux、shell、java、python、Scala等

2.分散式、實時資料收集和計算Hadoop、spark、kafka、storm、flink等等

3.資料倉庫設計及報表展現：模型設計工具如 datastage,di,informatic，展現工具如tablueau等

4.資料分析和挖掘工具：如R、python(sklearn)等

5.機器學習和深度學習工具：spark mllib、tensorflow、pytorch等

6.各種機器學習方法和演算法：比如logistic迴歸、FFM模型、xgboost、深度學習等等

一般來說一個人不太可能對大資料應用的每個環節都懂。如果你想做大資料平臺相關java、Hadoop、spark、Kafka肯定是要有了解的。如果是做資料應用相關環節，比如廣告。那你對常規的機器學習演算法及深度學習一定要有所瞭解的。以上是個人的一些淺見。歡迎拍磚。

大資料學習需不需要有基礎，那樣看是以什麼樣的一個目的進行學習的，不同的學習目的需要的調價也是不同的，就比如是零基礎的學員想要學習大資料技術，可是他一點技術都是沒有的，但是照樣是可以進行學習的，因為道理很簡單，學習知識都是從零開始的，只有不會才來學習的，所以也是不需要什麼技術的。

但是，對於有一定的程式設計開發工作經驗的人來說，想要透過學習來提升自己，那麼，這樣的學員一般都不會從零開始學習，都是會去學習一些自己當下急需要掌握的技術，這樣的技術一般都說後期的新出來技術或者是高階階段的內容，很多是需要掌握了前邊的一些基礎知識才能夠進行學習的，所以，進行這樣的技術學習就需要一定的基礎了。

不過，在目前的大資料技術的學習過程中，多數人都是零基礎的，而且，很多的大資料培訓機構也都是根據零基礎的同學設計的課程，都比較適合零基礎學習從開始基礎的階段進行穩步學習提升，如果是一些有基礎的可能就需要進行跳級進行學習，或者是找專業的高階班進行培訓學習。

從整個大資料培訓行業的情況來看，想要學習大資料是不需要有基礎的，但是，需要滿足倆個基本的條件，一個是要滿足學歷達到本科，另一個是要透過思維邏輯考試，如果這倆個條件達到就都可以進行學習。

談起大資料技術，很多人都覺得是高大上的一門技術，學起來應該是困難重重！其實對於大資料技術而言，難的不是大資料技術本身，而是需要太多的基礎知識，比如說：數學知識、英語能力、程式設計基礎等等。

數學，我們從小就開始學習，一直在跟各種資料打交道，各種公式等等，是大資料學習的必備技術之一。英語，對於大資料技術文章，比較先進的還是外文比較多，需要一定的英語基礎，當然了翻譯軟體是個好東西，但必要的英語能力也是必須的。程式設計，這個就不用我多說了吧，計算機語言，你學不會，該如何向電腦釋出指令！