对付进修大数据的新人，面临开拓说话和说明软件时，该怎样选择？
|
大数据快速成长的本日，许多人选择插手大数据进修的阵营，课时从那边入手，怎样选择吻合的开拓说话来做与大数据相干的事，这个话题应该困扰了不少大数据进修的新人，在面临八门五花的「开拓说话」和「说明软件」时，本身该怎样选择？
先开门见山的给出结论：在职场中，进修任何一门技能，优先思量事变需求自己，其次是职业成长所需，最后才是乐趣和洽奇驱动。本末颠倒的话，不只进修服从低下，并且还也许竹篮吊水一场空，挥霍时刻本钱。 就拿我本身说事，念书时代在做「数学建模」时，由于不是计较机软件相干的专业，独一打仗过的C说话（The C Programming Language）也只懂皮毛，以是每一次角逐为了去「网络数据、处理赏罚数据、说明数据和构建模子」，只能借助人力、Excel、Matlab和SPSS去操纵。 虽然，这些器材也足够去满意角逐的手艺要求了，并且角逐的焦点也不在于非要用更高级的编程说话，相反它们只是办理题目的一种情势而已，要害在于要快速上手，要能办理需求痛点。 以是，在这样的一个环境之下，我并没有捐躯大量的进修本钱，从头去进步C说话的编程手段，乃至是从0到1去进修Java说话。 邻近秋招前，我开始去相识家产上常用的数据开拓软件和开拓说话，的确是琳琅满目，有Python、R、Eviews、SAS、SPSS、Tableau、水晶易表，一大堆。尚有Java、C、C++、Hadoop各类词汇都显露于面前。 当时辰就有点不知所措了，完全不知道该学什么，以是最后都选择打仗了一遍，但功效真的是白搭全力，挥霍时刻。 后头演习入职了一家互联网电商平台，陈设了6~7个节点的漫衍式集群去做大数据计较，其时还觉得本身终于能玩「大数据」了，可没想到最后用的最多的却是SQLHQL、Excel、PPT、SPSS。并且它们已经足够办理一般的事变需求了。 以是说，进修任何一门技能，最好能在现实事变中有所行使，事实你的事变时刻限定了你的进修精神，不然你很难去到达纯熟的水平，更别提深入专研。 但不管怎样，从行业的成长趋势上，许多新手艺是必必要进修和把握的，假如事变中真的没有机遇去打仗和行使的话，那就只能换一个更吻合的平台。 当初我就是这样去思量的，事实「大数据」的高潮已经全面放开了，再不抓紧就只有看落日西下了。 以是，在后头几年的事变经验中，我都是在打仗Hadoop、Spark相干的开源软件，从0到1的去学过Python、Java、Hive、MapReduce（基于Java实现）、Shell 、Scala、Spark Streaming这些手艺。 可是不管怎样，这统统的新常识进修都是为了去顺应事变情形，为了更快捷和更高效去办理事变需求的题目。同时由于事变中经常打仗到，以是才气纯熟起来，也才有机遇去深入思索更底层的题目。 总而言之，我以为任何技能都是为了更好的处事于营业，营业是驱动技能成长的要害身分。 虽然，从行业趋势上，我也规划在后期引入深度进修的计较框架，也会去思量高并发的计较服从优化等等，可是回归本质都是为了晋升营业模子的结果，办理更多营业需求痛点。 因此，要想去进修新手艺，引入新技能，大条件是现有的营业需求已经获得有所办理，并且可以或许获得营业的支持和信赖，这样在后期技能的推进上才气偶然刻去探索，有机遇去实行。不然，你同样只能学个皮毛。 好了，报告完了我本身，最其后谈谈大大都伴侣的排场，这也是各人所体谅的。 ① 起首，作为数据小白，应该先辈修什么数据手艺？ 毫无疑问，这时辰你必要先把「入门」作为主要方针，不要过于暴躁，优先思量去进修SQL、Excel、SPSS、PPT，这样你才有机遇进入一个平台，可以或许打仗数据，开始数据说明，实行撰写陈诉。操作好这个跳板，你才气向「生长」进阶。 ② 其次，作为营业职员（含说明师、产物司理），应该进修什么数据手艺？ 这时辰你必要去进一步进步本身的专业手艺，这样才有机遇去更相识数据，实习数据感，写出更有深度的说明陈诉，乃至是往后的转岗。以是你必要一把利剑，我会优先保举Python，节减往后进修其他说话（Java、Scala）的时刻本钱。 ③ 其它，作为数据开拓，应该先辈修什么数据手艺？ 我的提议是，你先去做好一个Java工程师，把握必然的专业手艺，再来思量从事大数据开拓呢。 虽然，这样的时刻本钱或者挺高，并且现阶段开源这套技能框架根基不变和易上手了。 ④ 最后，作为数据发掘，应该先辈修什么数据手艺？ 数据发掘这个岗亭，严酷上区别于算法工程师，前者是一个偏营业、重数据、看实践的岗亭，普通易懂就是在试探海量数据中的经济代价。 以是，大部门数据发掘工程师，首当其冲的痛点是必要思索一个题目：怎样将以往纯熟的这套技能和流程与「大数据」和「营业」相团结。 别想着操作PythonR去直连出产情形的数据做说明，许多平台都有碉堡机，也不应承当地情形与出产情形的直接交互。纵然你load到了线上数据，可是只依附DataFrame这样的操纵，我以为很难去说明出什么数据代价，更别提能不能单机运算的服从。 以是，做数据发掘事变时，除了思索模子的结果晋升，也要思量清晰本身的模子后期将怎样去与线上营业团结，以及它的计较服从和自动化事变。 因此，我提议优先去思量一下漫衍式集群的计较方法，假如平台缺乏团队和资金的话，要么思量单独增进本机的计较资源和优化模子的计较服从，要么思量换一个事变情形。 最后，对付大部门数据发掘工程师来说，必然要增强SQL、Excel的行使，这是最根基，也是最重要的。 所讲的这些，是为了让各人正确的做数据。进修这些手艺，是为了让各人轻松的做数据。归根到底，都是为了进步焦点竞争力，花最短的时刻，输出最大的代价，让本身更值钱！ 在不久的未来，多智期间必然会彻底走入我们的糊口，有乐趣入行将来前沿财富的伴侣，可以保藏 多智期间 ，实时获取人工智能、大数据、云计较和物联网的前沿资讯和基本常识，让我们一路联袂，引领人工智能的将来！ 相干阅读： 怎样入门大数据 怎样写一个更好的Python函数？ 大数据干货 | 论Spark好手是奈何炼成的 （编辑：湖南网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
