对数据感兴趣要学习什么

⑴ 大数据都需要学习什么

大数据专业是一项技术的学习方向，该专业是交叉性学科，学习内容涵盖较广，其中以统计学、数学、计算机为三大支撑柱学科，并以生物、医学、环境科学、经济学、管理学等作为辅助拓展。除此之外还需要学习数据采集、数据分析、数据处理软件及计算机编程语言等。不同的工作岗位与方向，需要从事的工作也不是一样的，因此催生出了许多职位。较为常见的大数据发展方向是大数据开发、大数据分析。

回过头来我们看看学习大数据需要的基础

1、java SE、EE（SSM）
90%的大数据框架都是Java写的
2、MySQL
SQL on Hadoop
3、Linux
大数据的框架安装在Linux操作系统上

- 需要学什么

大数据离线分析

一般处理T+1数据（T：可能是1天、一周、一个月、一年）
a、Hadoop ：一般不选用最新版本，踩坑难解决
（common、HDES、MapRece、YARN）
环境搭建、处理数据的思想
b、Hive：大数据的数据仓库
通过写SQL对数据进行操作，类似于MySQL数据库的sql
c、HBase：基于HDFS的NOSQL数据库
面向列存储
d、协作框架：
sqoop（桥梁：HDFS《==》RDBMS）
flume：搜集日志文件中的信息
e、调度框架
anzkaban
了解：crotab（Linux自带）
zeus（Alibaba）
Oozie（cloudera）
f、前沿框架扩展：
kylin、impala、ElasticSearch（ES）

大数据实时分析

以spark框架为主
Scala：OOP（面向对象程序设计）+FP（函数是程序设计）
sparkCore：类比MapRece
sparkSQL：类比hive
sparkStreaming：实时数据处理
kafka：消息队列
前沿框架扩展：flink
阿里巴巴：blink

大数据机器学习

spark MLlib：机器学习库
pyspark编程：Python和spark的结合
推荐系统
python数据分析
python机器学习

⑵ 大数据分析学习什么内容

大数据分析工具介绍 
前端展现 
用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。 用于展现分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikVie、 Tableau 。
国内的有BDP，国云数据（大数据魔镜），思迈特，FineBI等等。
数据仓库 
有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。
数据集市 
有QlikView、 Tableau 、Style Intelligence等等。
大数据分析步骤 
大数据分析的六个基本方面 
1. Analytic Visualizations（可视化分析） 
不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
2. Data Mining Algorithms（数据挖掘算法） 
可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
3. Predictive Analytic Capabilities（预测性分析能力） 
数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。
4. Semantic Engines（语义引擎） 
我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。
 5.Data Quality and Master Data Management（数据质量和数据管理）
数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。
假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。
6.数据存储，数据仓库 
数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题对数据进行查询和访问，为联机数据分析和数据挖掘提供数据平台。

⑶ 我想学习数据分析，但是0基础，看什么书可以快速入门啊

很多人都需要学习大数据是需要有一定的基础的，编程语言就是必备的条件之一，编程语言目前热门的有：Java、Python、PHP、C/C++等等，无论是学习哪一门编程语言，总之要精细掌握一门语言是非常必须的，我们先拿应用广泛的Java说起哦。

Java的方向有三个：JavaSE、JavaEE、JavaME，学习大数据的话只需要学习JavaSE就可以了，在学习Java的时候，我们一般需要学习这些： HTML，CSS，JS，java的基础，JDBC与数据库，JSP java web技术， jQuery与AJAX技术，Spring、Mybatis、Hibernate等等。这些课程都能帮助我们更好了解Java，学会运用Java。

再者就是Linux，大数据相关的软件基本都是在Linux运行的，所以从事大数据工作还是需要学习Linux的哦，而且能够让你迅速掌握大数据相关技术，也有很大的帮助。学习shell就能够很好的看到脚本更容易理解和配置大数据集群，对以后新出来的大数据技术学习会更快。

对于零基础学习大数据的人，不管是学习哪一门语言，实战很重要，所以学习之后一定要及时运用起来，只有不断使用，才会更有经验，更能学到大数据的技巧，多联手，相信你一定可以掌握这门技术的。

大数据学习路线图——让自己系统学习，知道每一个阶段的学习内容。

阶段一、大数据基础——java语言基础方面

（1）Java语言基础

Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类

（2）HTML、CSS与Java

PC端网站布局、HTML5 CSS3基础、WebApp页面布局、原生Java交互功能开发、Ajax异步交互、jQuery应用

（3）JavaWeb和数据库

数据库、JavaWeb开发核心、JavaWeb开发内幕

此阶段是针对没有编程基础，或者对基础不扎实的同学一次补习，这个很重要，就像建一座大厦，这就是地基，地基不稳，就算修再高，总有一天会轰然倒塌！

阶段二、Linux&Hadoop生态体系

Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架

这章是基础课程，帮大家进入大数据领域打好 Linux基础，以便更好地学习Hadoop、hbase、NoSQL、Spark、Storm、docker、kvm、openstack等众多课程。因为企业中无一例外的是使用 Linux来搭建或部署项目。

Hadoop生态系统的课程，对HDFS体系结构和shell以及java操作详细剖析，从知晓原理到开发的项目，让大家打好学习大数据的基础。

详细讲解 Maprece，Maprece可以说是任何一家大数据公司都会用到的计算框架，也是每个大数据工程师应该熟练掌握的。Hadoop2x集群搭建前面带领大家开发了大量的 MapRece程序。

大数据学习路线，一共分为这几个阶段

阶段三、分布式计算框架和Spark&Strom生态体系

（1）分布式计算框架

Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算、实战一：基于Spark的推荐系统（某一线公司真实项目）、实战二：新浪网（www.sina.com.cn）

（2）storm技术架构体系

Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战一：日志告警系统项目、实战二：猜你喜欢推荐系统实战

Spark大数据处理本部分内容全面涵盖了 Spark生态系统的概述及其编程模型,深入内核的研究,。不仅面向项目开发人员,甚至对于研究 Spark的学员,此部分都是非常有学习指引意义的课程。

阶段四、大数据项目实战（一线公司真实项目）

数据获取、数据处理、数据分析、数据展现、数据应用

项目练习其实是穿插课程其中的，在讲解大数据理论的同时，将实践知识穿插其中，增加学生对大数据技术的理解和应用。

阶段五、大数据分析 —AI（人工智能）

Data Analyze工作环境准备&数据分析基础、数据可视化、Python机器学习

1、Python机器学习2、图像识别&神经网络、自然语言处理&社交网络处理、实战项目：户外设备识别分析

此阶段是深入提升阶段，为学生想转行人工智能打下良好的基础，多重技能，更能大大提升就业质量。

⑷ 大数据需要学习什么

大数据已局告唤经成为时代发展的趋势，很多人都想学习大数据，进入大数据行业.那大数据需要学什么呢？

1、学习大数据首先要学习Java基础

如何进行大数据学习的快速入门？在学习大数据课程之前，必须学习计算机编程语言.Java是大数据学习所需的编程语言基础，因为大数据开发是基于常用的高级语言.此外，学习桐凯hadoop和数据挖掘都需要编程语言.因此，如果你想学习大数据开发，掌握Java基础是必不可少的.

2、学习大数据要学习大数据的核心知识

Hadoop生态系统HDFS技术HBASE技术Sqoop使用流程数据仓库工具HIVE大数据离线分析Spark、Python语言数据实时分析Storm

如果把大数据比作容器，这个容器的容量无限大，什么都可以进去，大数据离不开物联网，移动互联网，大数据与人工智能、云计算和机械学习有着千丝万缕的关系，大数据的大数据存储如果高度扩展，云计算是必不可少的，大数据计算分析采用传统的机械学习、数据挖掘技术

3、学习大数据所需的能力

数学知识，数学知识是数据分析师的基础知识.对于数据分析师来说，了解一些关于统计的描述，需要具备一定的公式计算能力，了解常用的统计模型算法.对于数据挖掘工程友空师来说，各种算法也需要熟练使用，对数学的要求最高.

编程语言，对于想学习大数据的学生，至少需要SQL、hadoop、hive查询、Python等编程语言.

4、学习大数据可应用的领域

大数据技术可应用于公安大数据、交通大数据、医疗大数据、就业大数据、环境大数据、图像大数据、视频大数据等各个领域，应用范围非常广泛，大数据技术已经像空气一样渗透到生活的各个方面.大数据技术的出现将社会带入快速发展的时代，不仅是信息技术的终极目标，也是人类社会发展管理智能化的核心技术驱动力.

⑸ 大数据主要学习什么知识

首先是基础阶段。这一阶段包括：关系型数据库原理、LINUX操作系统原理及应用。在掌握了这些基础知识后，会安排这些基础课程的进阶课程，即：数据结构与算法、MYSQL数据库应用及开发、SHELL脚本编程。在掌握了这些内容之后，大数据基础学习阶段才算是完成了。
接下来是大数据专业学习的第二阶段：大数据理论及核心技术。第二阶段也被分为了基础和进阶两部分，先理解基础知识，再进一步对知识内容做深入的了解和实践。基础部分包括：布式存储技术原理与应用、分布式计算技术、HADOOP集群搭建、运维；进阶内容包括：HDFS高可靠、ZOOKEEPER、CDH、Shuffle、HADOOP源码分析、HIVE、HBASE、Mongodb、HADOOP项目实战。
完成了这部分内容的学习，学员们就已经掌握了大数据专业大部分的知识，并具有了一定的项目经验。但为了学员们在大数据专业有更好的发展，所学知识能更广泛地应用到大数据相关的各个岗位，有个更长远的发展前景。
第三阶段叫做数据分析挖掘及海量数据高级处理技术。基础部分有：PYTHON语言、机器学习算法、FLUME+KAFKA；进阶部分有：机器学习算法库应用、实时分析计算框架、SPARK技术、PYTHON高级语言应用、分布式爬虫与反爬虫技术、实时分析项目实战、机器学习算法项目实战。

⑹ 想学习数据分析，有哪些书籍或资料参考学习

入门数据分析类
师父领进门，修行在个人。下面这两本书是入门数据分析必看的书籍，也是检验自己是否真的喜欢数据分析。
从0到1:《深入浅出数据分析》
为什么是它？借用一位读者的评价“我家的猫都喜欢这本书！”

01 内容简介
以类似“章回小说”的活泼形式，生动地向读者展现优秀的数据分析人员应知应会的技术；正文以后，意犹未尽地以三篇附录介绍数据分析十大要务、R工具及ToolPak工具，在充分展现目标知识以外，为读者搭建了走向深入研究的桥梁。
02 推荐理由
书名已经很好地表现出了这本书的优点——“深入浅出”。忘记烦恼，这本书与现实世界紧密互动，让你不再只有枯燥的理论，并且将知识图形化，复杂的概念简单化。
经典小黄书：《谁说菜鸟不会数据分析》
是本很好的书，但看过之后，这本书就真一文不值了。

01 内容简介
很多人看到数据分析就望而却步，担心门槛高，无法迈入数据分析的门槛。《谁说菜鸟不会数据分析》努力将数据分析写成像小说一样通俗易懂，使读者可以在无形之中学会数据分析,按照数据分析工作的完整流程来讲解。
02 推荐理由
数据分析的入门极品，但真的很入门,优缺兼有。对于入门理解来说是绝佳选择,对之后的修炼还是不够的。建议之前全都是自己瞎摸瞎撞搞数据分析的同学进行阅读，颇有醍醐灌顶之感。
分析工具类

与数据分析相关的工具非常之多，我们常用的有Excel、PPT、SQL等。如果您想精通他们，直接在哔哩哔哩搜索聚数云海，即可找到相关优质课程。
1.Excel
大家常说的Excel，但是不要以为你很会Excel！Excel是所有职场人必备的办公软件。Excel功能非常强大，在数据量不是很大的情况下，基本上都能用Excel实现数据分析。推荐如下书籍：
《Excel高效办公数据处理与分析》

01 内容简介
根据现代企业决策和管理工作的主要特点，从实际应用出发，介绍了Excel强大的数据处理与分析功能在企业决策和管理工作中的具体应用。
02 推荐理由
本书同时提供了大量需要你做的实例，学而不练是不存在的！
《别怕，Excel函数其实很简单》

01 内容简介
《别怕，Excel 函数其实很简单》用浅显易懂的图文、生动形象的比喻以及大量实际工作中的经典案例，介绍了Excel最常用的一部分函数的计算原理和应用技巧,还介绍了数据的科学管理方法，以避免从数据源头就产生问题。
02 推荐理由
适合希望提高办公效率的职场人士，特别是经常需要处理分析大量数据并制作统计报表的相关人员，以及相关专业的高校师生阅读,小白需谨慎！
2. SQL
SQL是数据分析的基础，是想要学会数据分析能力的必备技能。那这里我只给大家介绍三本书，第一本书零基础入门，第二是进阶，第三本是SQL中的字典，话不多说，我们直接上架。
《SQL基础教程》

01 推荐理由
介绍了关系数据库以及用来操作关系数据库的SQL语言的使用方法。书中通过丰富的图示、大量示例程序和详实的操作步骤说明，让读者循序渐进地掌握SQL的基础知识和使用技巧，切实提高编程能力。每章结尾设置有练习题，帮助读者检验对各章内容的理解程度。另外，本书还将重要知识点总结为“法则”，方便读者随时查阅。
本书107张图表+209段代码+88个法则，是零基础进阶人士必备！
SQL进阶：《SQL进阶教程》

01 推荐理由
本书是为志在向中级进阶的数据库工程师编写的一本SQL技能提升指南。全书可分为两部分，第一部分介绍了SQL语言不同寻常的使用技巧，带领读者从SQL常见技术，去探索新发现。旨在帮助读者提升编程水平；第二部分着重介绍关系数据库的发展史，把实践与理论结合起来，旨在帮助读者加深对关系数据库和SQL语言的理解。
本书不适合小白！适合具有半年以上SQL使用经验、已掌握SQL基础知识和技能、希望提升自己编程水平的读者阅读。
SQL辅导书籍

01 推荐理由
本书是麻省理工学院、伊利诺伊大学等众多大学的参考教材，由浅入深地讲解了SQL的内容，实例丰富，便于查阅。本书没有过多阐述数据库基础理论，而是专门针对一线软件开发人员，直接从SQL SELECT开始，讲述实际工作环境中最常用和最必需的SQL知识，实用性极强。
有一定SQL基础的人士可以将它当做一本字典使用，遇到问题可以查找相应内用。
3.Python
“人生苦短，我用Python”。Python编程语言是最容易学习,并且功能强大的语言。但是很多人声称自己精通Python,自己却写不出Pythonic的代码，对很多常用的包不是很了解。万丈高楼平地起，咱们先从Python中最最基础的开始。
《Python编程，从入门到实践》

01 推荐理由
本书最大的特点就是零基础完全不懂编程的小白也能够学习，新手想学习选它绝对错不了。知识点由浅入深循循渐进，并配有视频教程手把手教学,同时所需的软件也是免费的。本书也配有相关辅导书籍，有兴趣的话可以去看看，但是请记住，这本书是最核心的。
《利用Python进行数据分析》

01 推荐理由
不像别的编程书一样，从盘古开天辟地开始讲起。这本书是直接应用到数据分析的，所以很多在数据分析上应用不那么频繁的模块也就没有讲。
本书第二版针对Python 3.6进行了更新，并增加实际案例向你展示如何高效地解决一系列数据分析问题。你将在阅读过程中学习到新版本的pandas、NumPy、IPython和Jupyter。
4.R语言
R是用于统计分析、绘图的语言和操作环境。但是R是有一定难度的，没有基础的话请谨慎尝试！推荐书籍：
《R语言入门与实践》

01 推荐理由
本书通过三个精心挑选的例子，深入浅出地讲解如何使用R语言玩转数据。将数据科学家必需的专业技能融合其中，教会读者如何将数据存储到计算机内存中，如何在必要的时候转换内存中的数据值，如何用R编写自己的程序并将其用于数据分析和模拟运行。
案例提升类

《活用数据：驱动业务的数据分析实战》

01 推荐理由
是一本用数据来帮助企业破解业务难题的实操书，有理论、有方法、有实战案例。具有业务驱动、案例闭环、思维先导、实战还原4大特色，同时在思路上清晰连贯，在表达上深入浅出，既能帮助数据分析从业者入门和提升，也能辅助企业各业务部门和各级管理人员做量化决策。
《精益数据分析》
01 推荐理由
本书展示了如何验证自己的设想、找到真正的客户、打造能赚钱的产品，以及提升企业知名度。30多个案例分析，全球100多位知名企业家的真知灼见，为你呈现来之不易、经过实践检验的创业心得和宝贵经验，值得每位创业家和企业家一读。

⑺ 大数据培训课程介绍，大数据学习课程要学习哪些

《大数据实训课程资料》网络网盘资源免费下载

链接:https://pan..com/s/1RiGvjn2DlL5pPISCG_O0Sw

大数据实训课程资料|云计算与虚拟化课程资源|课程实验指导书综合版|机器学习与算法分析课程资源|Spark课程资源|Python课程资源|Hadoop技术课程资源|云计算课程资料.zip|微课.zip|算法建模与程序示例.zip|spark课程资源.zip|hadoop课程资源.zip|实验指导书|教学视频|教学PPT

⑻ 大数据学习入门都需要学什么求大神解答一下

大数据学习入门都需要学习和具备的基础知亏春识：

1. 数学知识：数学知识是数据分析师的基础知识。

   ①对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。

   ②对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。

   ③而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。

2. 分析工具

   ①对于初级数据分析师，玩转Excel是必须的，数据透视表和公式使用必须熟练，VBA是加分。另外，还要学会一个统计分析工具，SPSS作为入门是比较好的。

   ②对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。

   ③对于数据挖掘工程师……嗯，会用用Excel就行了，主要工作要靠写代码来解决呢。

3. 编程语言

   ①对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。

   ②对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。

   ③对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。

4. 业务理解

   业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。

   ①对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。

   ②对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。

   ③对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。

5. 逻辑思维

   ①对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。

   ②对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。

   ③对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。

6. 数据可视化

   数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边冲皮放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。

   ①对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。

   ②对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。

   ③对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。

7. 协调沟通

   ①对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。

   ②对于高级数据分析师，需要开始独立带项目散空差，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。

   ③对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。

8. 快速学习

   无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。