大數(shù)據(jù)的三個(gè)入口

大數(shù)據(jù)的熱門使得很多人都想往這個(gè)方向發(fā)展，做一些像數(shù)據(jù)挖掘，數(shù)據(jù)分析之類的工作。但是該從何開始呢?要怎樣才能快速學(xué)到一些有用的知識，技能呢?我覺得有三個(gè)切入點(diǎn)，依照個(gè)人特點(diǎn)可以自行選擇順序切入。

1機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘

數(shù)據(jù)挖掘主要依賴于大部分機(jī)器學(xué)習(xí)算法，近些年由于深度學(xué)習(xí)算法的開發(fā)以及無人駕駛汽車等應(yīng)用的實(shí)習(xí)使得機(jī)器學(xué)習(xí)變得熱門，但是機(jī)器學(xué)習(xí)是個(gè)很深的學(xué)科，專門講這門課程的學(xué)校也不多，對于碩士生，如果學(xué)過最優(yōu)化等，學(xué)起來比較容易，但本科生要學(xué)好，就要很扎實(shí)的概率論與數(shù)理統(tǒng)計(jì)的基礎(chǔ)。之前我看了很多這發(fā)面的書，覺得很痛苦，但我越來越覺得，這個(gè)東西有那么重要么?我認(rèn)為，如果不是博士，沒必要把機(jī)器學(xué)習(xí)/深度學(xué)習(xí)學(xué)的很深。就像算法是很重要，但程序員沒必要都像ACM隊(duì)員那樣練習(xí)算法。我們學(xué)習(xí)機(jī)器學(xué)習(xí)是為了使用他，而且基本的那幾個(gè)算法已經(jīng)開發(fā)的差不多了，我們最需要掌握的就是怎樣使用它們，而且就那么幾個(gè)算法，只有每個(gè)都用過幾次就掌握了，所以我非常推薦邊學(xué)邊應(yīng)用到實(shí)際，根據(jù)自己的興趣，找點(diǎn)數(shù)據(jù)，看看能不能挖掘出什么有用的信息，這樣也有成就感。這里我推薦一本書：《機(jī)器學(xué)習(xí)：實(shí)用案例解析》。同時(shí)，建議學(xué)習(xí)一門新的語言：R語言。如果不想學(xué)，那么用C，python也都是可以的。(超大規(guī)模數(shù)據(jù)是不能用R的)最后，我覺得這部分并不一定先開始學(xué)，也不用每一個(gè)算法都掌握十分熟悉，先熟練掌握一到兩個(gè)。

2Hadoop實(shí)戰(zhàn)

hadoop基本是大數(shù)據(jù)的代名詞了，因?yàn)樗峁┝艘粋€(gè)平臺，使得我們可以去處理超大的數(shù)據(jù)，至于怎么處理，處理后能得到什么，它不管。hadoop雖然只是個(gè)軟件，但是有很復(fù)雜的原理，我們要知道他是怎樣把大數(shù)據(jù)分不到好幾個(gè)電腦上，知道MapReduce的原理。然后，就是怎樣運(yùn)作了。強(qiáng)烈建議大家自己安裝好hadoop(要配置集群，自己剪虛擬機(jī)吧)，然后在上面編點(diǎn)小程序練手。 Hadoop還有一個(gè)特點(diǎn)就是他有很多的附加服務(wù)，每個(gè)都有各自的功能，非常復(fù)雜，但是例如Hive，HBase等是非常重要的，也需要知道他們的工作原理，及使用方法。由于這部分大多是實(shí)戰(zhàn)，學(xué)起來也不那么枯燥，所以我覺得這部分可以多用的點(diǎn)時(shí)間，把原理和方法都弄熟練，同時(shí)還要熟悉Linux環(huán)境，語言當(dāng)然是JAVA。

3數(shù)據(jù)庫

大數(shù)據(jù)畢竟也是數(shù)據(jù)，是離不開數(shù)據(jù)庫的，很多人沒有有數(shù)據(jù)庫的基礎(chǔ)，那么這方面也是必不可少的，各種數(shù)據(jù)庫的特點(diǎn)都要有所了解，SQL的語句也要能熟練使用，即便大數(shù)據(jù)不熱門了，數(shù)據(jù)庫技術(shù)也會(huì)很重要的。

我覺得把上面3點(diǎn)全都做到的話，那么你肯定是一個(gè)全面的大數(shù)據(jù)人才，隨便就能找個(gè)好工作了。但是我覺得數(shù)據(jù)挖掘這個(gè)東西，方法技能是一方面，還有一方面是意識層次的，也就是你對行業(yè)、商業(yè)的嗅覺有多大，你挖掘出來信息后能不能再經(jīng)過自己的思考，變成對公司甚至人類有直接好處的觀點(diǎn)。所以建議大家平時(shí)多關(guān)注互聯(lián)網(wǎng)及其他行業(yè)的發(fā)展趨勢，比較全面型的人才才是真的人才，大數(shù)據(jù)人才也不是一個(gè)普通程序員就能隨便當(dāng)?shù)摹?/p>