4-6個月左右，包含Java和大資料的學-習，如下：基礎階段：Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis。hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、歷史，HDFS工作原理，YARN介紹及元件介紹。大資料儲存階段：hbase、hive、sqoop。大資料架構設計階段：Flume分散式、Zookeeper、Kafka。大資料實時計算階段：Mahout、Spark、storm。大資料資料採集階段：Python、Scala。大資料商業實戰階段：實操企業大資料處理業務場景，分析需求、解決方案實施，綜合技術實戰應用。大資料分析的幾個方面：1、視覺化分析：視覺化分析能夠直觀的呈現大資料特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明瞭。2、資料探勘演算法：大資料分析的理論核心就是資料探勘演算法。3、預測性分析：從大資料中挖掘出特點，透過科學的建立模型，從而預測未來的資料。4、語義引擎：需要設計到有足夠的人工智慧以足以從資料中主動地提取資訊。5、資料質量和資料管理：能夠保證分析結果的真實性
4-6個月左右，包含Java和大資料的學-習，如下：基礎階段：Linux、Docker、KVM、MySQL基礎、Oracle基礎、MongoDB、redis。hadoop mapreduce hdfs yarn：hadoop：Hadoop 概念、版本、歷史，HDFS工作原理，YARN介紹及元件介紹。大資料儲存階段：hbase、hive、sqoop。大資料架構設計階段：Flume分散式、Zookeeper、Kafka。大資料實時計算階段：Mahout、Spark、storm。大資料資料採集階段：Python、Scala。大資料商業實戰階段：實操企業大資料處理業務場景，分析需求、解決方案實施，綜合技術實戰應用。大資料分析的幾個方面：1、視覺化分析：視覺化分析能夠直觀的呈現大資料特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明瞭。2、資料探勘演算法：大資料分析的理論核心就是資料探勘演算法。3、預測性分析：從大資料中挖掘出特點，透過科學的建立模型，從而預測未來的資料。4、語義引擎：需要設計到有足夠的人工智慧以足以從資料中主動地提取資訊。5、資料質量和資料管理：能夠保證分析結果的真實性