數(shù)據(jù)工程師培訓(xùn)流程
偶是九九
老娜再修行
大數(shù)據(jù)是眾多學(xué)科與統(tǒng)計學(xué)交叉產(chǎn)生的一門新興學(xué)科。大數(shù)據(jù)牽扯的數(shù)據(jù)挖掘、云計算一類的，所以是計算機一類的專業(yè)。分布比較廣，應(yīng)用行業(yè)較多。
零售業(yè)：主要集中在客戶營銷分析上，通過大數(shù)據(jù)技術(shù)可以對客戶的消費信息進行分析。獲知客戶的消費習(xí)慣、消費方向等，以便商場做好更合理商品、貨架擺放，規(guī)劃市場營銷方案、產(chǎn)品推薦手段等。
金融業(yè)：在金融行業(yè)里頭，數(shù)據(jù)即是生命，其信息系統(tǒng)中積累了大量客戶的交易數(shù)據(jù)。通過大數(shù)據(jù)可以對客戶的行為進行分析、防堵詐騙、金融風(fēng)險分析等。
醫(yī)療業(yè)：通過大數(shù)據(jù)可以輔助分析疫情信息，對應(yīng)做出相應(yīng)的防控措施。對人體健康的趨勢分析在電子病歷、醫(yī)學(xué)研發(fā)和臨床試驗中，可提高診斷準(zhǔn)確性和藥物有效性等。
制造業(yè)：該行業(yè)對大數(shù)據(jù)的需求主要體現(xiàn)在產(chǎn)品研發(fā)與設(shè)計、供應(yīng)鏈管理、生產(chǎn)、售后服務(wù)等。通過數(shù)據(jù)分析，在產(chǎn)品研發(fā)過程中免除掉一些不必要的步驟，并且及時改善產(chǎn)品的制造與組裝的流程。
于麗波55
大數(shù)據(jù)培訓(xùn)，目前主要有兩種：1、大數(shù)據(jù)開發(fā)數(shù)據(jù)工程師建設(shè)和優(yōu)化系統(tǒng)。學(xué)習(xí)hadoop、spark、storm、超大集群調(diào)優(yōu)、機器學(xué)習(xí)、Docker容器引擎、ElasticSearch、并發(fā)編程等；2、數(shù)據(jù)分析與挖掘一般工作包括數(shù)據(jù)清洗，執(zhí)行分析和數(shù)據(jù)可視化。學(xué)習(xí)Python、數(shù)據(jù)庫、網(wǎng)絡(luò)爬蟲、數(shù)據(jù)分析與處理等。大數(shù)據(jù)培訓(xùn)一般是指大數(shù)據(jù)開發(fā)培訓(xùn)。大數(shù)據(jù)技術(shù)龐大復(fù)雜，基礎(chǔ)的技術(shù)包含數(shù)據(jù)的采集、數(shù)據(jù)預(yù)處理、分布式存儲、數(shù)據(jù)庫、數(shù)據(jù)倉庫、機器學(xué)習(xí)、并行計算、可視化等各種技術(shù)范疇和不同的技術(shù)層面。
阿滋貓波斯貓
大數(shù)據(jù)分析偏產(chǎn)品職位，一般不是技術(shù)崗位。技術(shù)崗位叫數(shù)據(jù)挖掘，又分為做模型和用模型的。做模型對數(shù)據(jù)要求非常高，如果自己不是這塊料那就別去做，又痛苦又做不出東西來；絕大多數(shù)數(shù)據(jù)挖掘都是用模型，這個門檻就低多了。另外還有專門做大數(shù)據(jù)平臺的，比如hadoop,spark這些，偏工程。
shishan786
課綱不一樣，看是大數(shù)據(jù)開發(fā)還是大數(shù)據(jù)分析了，我學(xué)的大數(shù)據(jù)分析可視化，學(xué)的主要有Python入門、sql、oracle、tableau、帆軟、Informatica、Excel等等我剛出來半年，視頻錄播可能還不算落后，有視頻可***
小佳姐～:)
1.大數(shù)據(jù)工程師工作中會做什么？集群運維：安裝、測試、運維各種大數(shù)據(jù)組件數(shù)據(jù)開發(fā)：細分一點的話會有ETL工程師、數(shù)據(jù)倉庫工程師等數(shù)據(jù)系統(tǒng)開發(fā)：偏重Web系統(tǒng)開發(fā)，比如報表系統(tǒng)、推薦系統(tǒng)等這里面有很多內(nèi)容其實是十分重合的，下面大致聊一下每一塊內(nèi)容大致需要學(xué)什么，以及側(cè)重點。2.集群運維數(shù)據(jù)工程師，基本上是離不開集群搭建，比如hadoop、Spark、Kafka，不要指望有專門的運維幫你搞定，新組件的引入一般都要自己來動手的。因此這就要求數(shù)據(jù)工程師了解各種大數(shù)據(jù)的組件。由于要自己的安裝各種開源的組件，就要求數(shù)據(jù)工程師要具備的能力： Linux 。要對Linux比較熟悉，能各種自己折騰著玩。由于現(xiàn)在的大數(shù)據(jù)生態(tài)系統(tǒng)基本上是 JVM系的，因此在語言上，就不要猶豫了，JVM系的Java和Scala基本上跑不掉，Java基本上要學(xué)的很深，Scala就看情況了。3. ETLETL在大數(shù)據(jù)領(lǐng)域主要體現(xiàn)在各種數(shù)據(jù)流的處理。這一塊一方面體現(xiàn)在對一些組件的了解上，比如Sqoop、Flume、Kafka、Spark、MapReduce;另一方面就是編程語言的需要，Java、Shell和Sql是基本功。4.系統(tǒng)開發(fā)我們大部分的價值最后都會由系統(tǒng)來體現(xiàn)，比如報表系統(tǒng)和推薦系統(tǒng)。因此就要求有一定的系統(tǒng)開發(fā)能力，最常用的就是 Java Web這一套了，當(dāng)然Python也是挺方便的。需要注意的是，一般數(shù)據(jù)開發(fā)跑不掉的就是各種提數(shù)據(jù)的需求，很多是臨時和定制的需求，這種情況下， Sql就跑不掉了，老老實實學(xué)一下Sql很必要。如何入門？前面提到了一些數(shù)據(jù)工程師會用到的技能樹，下面給一個入門的建議，完全個人意見。1.了解行業(yè)情況剛開始一定要了解清楚自己和行業(yè)的情況，很多人根本就分不清招聘信息中的大數(shù)據(jù)和數(shù)據(jù)挖掘的區(qū)別就說自己要轉(zhuǎn)行，其實是很不負責(zé)的。不要總是趕熱點，反正我就是經(jīng)常被鄙視做什么大數(shù)據(jù)開發(fā)太Low，做數(shù)據(jù)就要做數(shù)據(jù)挖掘，不然永遠都是水貨。2.選擇學(xué)習(xí)途徑如果真是清楚自己明確地想轉(zhuǎn)數(shù)據(jù)開發(fā)了，要考慮一下自己的時間和精力，能拿出來多少時間，而且在學(xué)習(xí)的時候最好有人能多指點下，不然太容易走彎路了。在選擇具體的學(xué)習(xí)途徑時，要慎重一點，有幾個選擇：自學(xué)報班找人指點別的不說了，報班是可以考慮的，不要全指望報個輔導(dǎo)班就能帶你上天，但是可以靠他幫你梳理思路。如果有專業(yè)從事這一行的人多幫幫的話，是最好的。不一定是技術(shù)好，主要是可溝通性強。3.學(xué)習(xí)路線學(xué)習(xí)路線，下面是一個大致的建議：第一階段先具備一定的Linux和Java的基礎(chǔ)，不一定要特別深，先能玩起來，Linux的話能自己執(zhí)行各種操作，Java能寫點小程序。這些事為搭建Hadoop環(huán)境做準(zhǔn)備。學(xué)習(xí)Hadoop，學(xué)會搭建單機版的Hadoop，然后是分布式的Hadoop，寫一些MR的程序。接著學(xué)學(xué)Hadoop生態(tài)系統(tǒng)的其它大數(shù)據(jù)組件，比如Spark、Hive、Hbase，嘗試去搭建然后跑一些官網(wǎng)的Demo。Linux、Java、各種組件都有一些基礎(chǔ)后，要有一些項目方面的實踐，這時候找一些成功案例，比如搜搜各種視頻教程中如何搞一個推薦系統(tǒng)，把自己學(xué)到的用起來。第二階段到這里是一個基本的階段了，大致對數(shù)據(jù)開發(fā)有一些了解了。接著要有一些有意思內(nèi)容可以選學(xué)。數(shù)據(jù)倉庫體系：如何搞數(shù)據(jù)分層，數(shù)據(jù)倉庫體系該如何建設(shè)，可以有一些大致的了解。用戶畫像和特征工程：這一部分越早了解越好。一些系統(tǒng)的實現(xiàn)思路：比如調(diào)度系統(tǒng)、元數(shù)據(jù)系統(tǒng)、推薦系統(tǒng)這些系統(tǒng)如何實現(xiàn)。第三階段下面要有一些細分的領(lǐng)域需要深入進行，看工作和興趣來選擇一些來深入進行分布式理論：比如Gossip、DHT、Paxo這些構(gòu)成了各種分布式系統(tǒng)的底層協(xié)議和算法，還是要學(xué)一下的。數(shù)據(jù)挖掘算法：算法是要學(xué)的，但是不一定純理論，在分布式環(huán)境中實現(xiàn)算法，本身就是一個大的挑戰(zhàn)。各種系統(tǒng)的源碼學(xué)習(xí)：比如Hadoop、Spark、Kafka的源碼，想深入搞大數(shù)據(jù)，源碼跑不掉。
阿圓凸凸凸
合格的數(shù)據(jù)分析師需要具備的能力有以下幾點： 1、統(tǒng)計概率基礎(chǔ)； 2、數(shù)據(jù)分析模型方法； 3、工具的運用。 如果這些技術(shù)沒有，也不可能會玩數(shù)據(jù)分析。所以，CDA主要是針對數(shù)據(jù)分析師必備能力的技術(shù)性學(xué)習(xí)。
健康是福83
首先我們要了解Java語言和Linux操作系統(tǒng)，這兩個是學(xué)習(xí)大數(shù)據(jù)的基礎(chǔ)，學(xué)習(xí)的順序不分前后。
Java ：只要了解一些基礎(chǔ)即可，做大數(shù)據(jù)不需要很深的Java 技術(shù)，學(xué)java SE 就相當(dāng)于有學(xué)習(xí)大數(shù)據(jù)基礎(chǔ)。
Linux：因為大數(shù)據(jù)相關(guān)軟件都是在Linux上運行的，所以Linux要學(xué)習(xí)的扎實一些，學(xué)好Linux對你快速掌握大數(shù)據(jù)相關(guān)技術(shù)會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據(jù)軟件的運行環(huán)境和網(wǎng)絡(luò)環(huán)境配置，能少踩很多坑，學(xué)會shell就能看懂腳本這樣能更容易理解和配置大數(shù)據(jù)集群。還能讓你對以后新出的大數(shù)據(jù)技術(shù)學(xué)習(xí)起來更快。
Hadoop：這是現(xiàn)在流行的大數(shù)據(jù)處理平臺幾乎已經(jīng)成為大數(shù)據(jù)的代名詞，所以這個是必學(xué)的。Hadoop里面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數(shù)據(jù)的地方就像我們電腦的硬盤一樣文件都存儲在這個上面，MapReduce是對數(shù)據(jù)進行處理計算的，它有個特點就是不管多大的數(shù)據(jù)只要給它時間它就能把數(shù)據(jù)跑完，但是時間可能不是很快所以它叫數(shù)據(jù)的批處理。
Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以后的Hbase也會用到它。它一般用來存放一些相互協(xié)作的信息，這些信息比較小一般不會超過1M，都是使用它的軟件對它有依賴，對于我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。
Mysql：我們學(xué)習(xí)完大數(shù)據(jù)的處理了，接下來學(xué)習(xí)學(xué)習(xí)小數(shù)據(jù)的處理工具mysql數(shù)據(jù)庫，因為一會裝hive的時候要用到，mysql需要掌握到什么層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的權(quán)限，修改root的密碼，創(chuàng)建數(shù)據(jù)庫。這里主要的是學(xué)習(xí)SQL的語法，因為hive的語法和這個非常相似。
Sqoop：這個是用于把Mysql里的數(shù)據(jù)導(dǎo)入到Hadoop里的。當(dāng)然你也可以不用這個，直接把Mysql數(shù)據(jù)表導(dǎo)出成文件再放到HDFS上也是一樣的，當(dāng)然生產(chǎn)環(huán)境中使用要注意Mysql的壓力。
Hive：這個東西對于會SQL語法的來說就是神器，它能讓你處理大數(shù)據(jù)變的很簡單，不會再費勁的編寫MapReduce程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。
Oozie：既然學(xué)會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapReduce、Spark腳本，還能檢查你的程序是否執(zhí)行正確，出錯了給你發(fā)報警并能幫你重試程序，最重要的是還能幫你配置任務(wù)的依賴關(guān)系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。
Hbase：這是Hadoop生態(tài)體系中的NOSQL數(shù)據(jù)庫，他的數(shù)據(jù)是按照key和value的形式存儲的并且key是唯一的，所以它能用來做數(shù)據(jù)的排重，它與MYSQL相比能存儲的數(shù)據(jù)量大很多。所以他常被用于大數(shù)據(jù)處理完成之后的存儲目的地。
Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數(shù)據(jù)多了同樣也需要排隊處理，這樣與你協(xié)作的其它同學(xué)不會叫起來，你干嗎給我這么多的數(shù)據(jù)(比如好幾百G的文件)我怎么處理得過來，你別怪他因為他不是搞大數(shù)據(jù)的，你可以跟他講我把數(shù)據(jù)放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優(yōu)化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當(dāng)然我們也可以利用這個工具來做線上實時數(shù)據(jù)的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數(shù)據(jù)進行簡單處理，并寫到各種數(shù)據(jù)接受方(比如Kafka)的。
Spark：它是用來彌補基于MapReduce處理數(shù)據(jù)速度上的缺點，它的特點是把數(shù)據(jù)裝載到內(nèi)存中計算而不是去讀慢的要死進化還特別慢的硬盤。特別適合做迭代運算，所以算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。
優(yōu)質(zhì)工程師考試問答知識庫
