了解大数据

一.大数据

1.大数据的定义

　　麦肯锡全球研究所：一种规模大到在获取，存储，管理，分析方面大大超出了传统数据库软件工具能力范围的数据集合。

2.大数据的特点

　　大量，高速，多样，价值

3.数据的结构

　　结构化的数据：

　　　　简单来说就是数据库，是由二维表结构来逻辑表达和实现的数据

　　非结构化的数据：

　　　　数据结构不规则或不完整，没有预定义的数据模型

4.我们身边有哪些是大数据

　　电信数据：通话数据，短信数据，手机浏览数据；银行数据；微信聊天数据......

5.大数据带来了什么

　　数据挖掘：

　　　　用户画像；知识图谱

　　人工智能：

　　　　Google的 ‘ 阿尔法狗 ’；阿里巴巴的”ET“，百度的”无人驾驶汽车“

　　区块链：

　　　　数字货币，物联网

总结：

　　大数据就是互联网发展到现今阶段的一种表象或特征

二.人工智能

1.人工智能是什么

　　人工智能：英文缩写为AI。它是研究，开发用于模拟，延伸和扩展的智能的理论，方法，技术及应用系统的一门新的技术科学

　　总结：大数据+深度学习=人工智能

2.人工智能三大发展要素

　　　　*计算机硬件

　　　　*算法

　　　　*数据

三.机器学习和深度学习

1.机器学习的定义

　　专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能

2.机器学习基本过程

机器学习是数据通过算法构建出模型并对模型进行评估，评估的性能如果达到要求就拿出这个模型来测试其他的数据，最终获得满意的经验来处理其他的数据。

总结：数据导入—>数据清洗—>特征工程—>训练模型—>评估模型—>预测新数据

3.机器学习的分类

　　监督学习，无监督学习，半监督学习，强化学习。

4.算法的分类

　　回归算法（监督学习），聚类算法，分类算法，神经网络，将维算法，SVM支持向量机，推荐算法(t特殊)，其他算法

5.深度学习

　　深度学习是机器学习中一种基于数据进行表征学习的方法—含有多隐层的神经网络

6.机器学习和深度学习的应用

　　广泛用于数据挖掘，计算机视觉，自然语言处理，生物特征识别机器人领域等。

四.数据挖掘

1.什么是数据挖掘

从大量的数据中挖掘出隐含的，未知的，用户可能感兴趣的和对决策有潜在价值的知识和规则
简单的说，数据挖掘就是从大量的数据中发现有用信息的过程

2.数据挖掘怎么挖数据

　　通过大数据（数据，分布式技术）和挖掘算法（机器学习算法）

3.挖掘能做什么

　　用户可能感兴趣的和对决策有潜在价值的知识和规则

五.大数据技术体系

1.大数据体系

开发语言：Java ，Python，Scala；
分布式存储：Hdfs，Hbase,Redis,Mongedb;
分布式计算：Mapreducer,Sark Core,Storm;
数据仓库技术：Hive ,Sqoop,Flume,Spark SQL
机器学习：Mahout,Scikit—lean,MLlib

2.分布式计算

　　分布式计算将该应用分解为许多小的部分，分配给多台计算机进行处理。

六.学习大数据之前的准备

1.掌握一门大数据开发语言

　　-Java

必须掌握J2SE,jdbc,JS,sql语句，sevlet,jsp,spring框架等。
见百战程序员Java1000集视频

　　-Python

必须掌握Python语法，Python面向对象，Python数据库等
见百战程序员1000集视频

　　-熟悉linux

　　　-数列linux常用命令

七.大数据职位介绍

　　按需求排序：数据挖掘工程师；

　　　　　　　　Spark开发工程师，数据仓库工程师，Hadoop开发工程师

　　工资

（大数据开发工程师）

（数据仓库）

（大数据开发工程师）

总结：数据挖掘，机器学习，算法工程师工资几乎都超过两万

八.大数据简历怎么写

个人资料
工资经历
职业技能
期望薪资填写面议
项目经验
自我评价

九.大数据的学习方法

·多写代码（大数据偏向实战）

　　—纸上得来终觉浅，绝知此事要躬行

　　—看再多的书，也比不上设计调试一个简单的程序

　　—写代码和其它事情比例 7:3

·看优秀的书和视频

　　—《程序员的数学》《大数据之美》等

　　—连续看视频的时间不能超过30分钟

·设计规划

　　—多画图，数据流程图

　　—多画步骤图。完成一个需求往往需要多个jop依次执行，每个jop做什么事情，每个jop的每个任务做什么事情

·多思考，归纳总结

　　—每个案例学完之后，每段代码敲完之后，都要进行总结

　　—大数据编程比较灵活，一个需求往往有多种解决办法

·多交流

　　—学习的时候为自己找一个“伴”

　　—不耻下问

·多看日志学会独立解决问题

　　—解决问题只能靠日志信息

　　—先看日志，看不懂再问老师及其他人

·一份付出，一份回报

大数据重点课程介绍

Linux基础
高并发集群(前两个为后面3个做准备)
Hadoop离线计算体系

　　　　— HDFS

　　　　— Mapreduce

　　　　— Hive

　　　　— Hbase

　　　　— Sqoop,Flume,zookeeper,CDH,impala,oozie等

Sprak内存计算体系

　　　　—Spark core,Spark Sql,sprak streaming,Scala语言

机器学习

　　　　—R语言，Python机器学习，Spark MLlib