来源：大数据文摘
本文共1200字，建议阅读10+分钟。
本文给想进入大数据领域的朋友提供了一系列的资源，由浅入深。
本文给想进入大数据领域的朋友提供了一系列的资源，由浅入深，比如“需要了解的51条大数据术语”、“学习python的四个理由”、“十一个必须要参加的大数据会议”等有趣的话题。相信各种背景的朋友都会在这篇文章中有所收获。
之前，我们已就数据可视化进行了深入探讨。这次，我们将从更基本的概念讲起，以便在涉足更复杂的数据科学和商业智能之前能够真正理解大数据。文中会引领大家阅读介绍大数据的相关文章，研究网络上流传的大数据的概念，查看与大数据相关的出版物。
数据可视化：
https://dzone.com/articles/diving-into-data-visualization
数据科学：
https://dzone.com/articles/diving-into-data-science
商业智能：
https://dzone.com/articles/big-data-deep-dive-the-business-intelligence-editi
大数据社区（DZone）
查阅DZone上最受欢迎的介绍大数据的文章，了解大数据的基础知识，进而明白为什么Apache Kafka和Ignite是大数据分析不可或缺的部分，以及为什么你应该学习Python等一系列问题。
1. 大数据初学者指南(Kamesh Ganeon作)。
一切都应由大数据分析驱动！但大数据究竟是什么？你能从中得到什么？阅读本文知晓答案。
https://dzone.com/articles/a-beginners-guide-to-big-data
2. Kafka是什么？ (Jean-Paul Azar作)。
Kafka常用于实时流数据架构并提供实时分析。阅读本文可以了解它的具体用例以及它受欢迎的原因。
https://dzone.com/articles/what-is-kafka
3. 学习Python的4个理由（Arani Chatterjee作）。
能够使用Python是攻克大数据的先决条件，本文列出了详细原因。
https://dzone.com/articles/4-reasons-you-should-learn-python
4. Apache Ignite是什么？（Dmitriy Setrakyan作）。
Apache Ignite十分简单，但为了全面了解它，多去回答“Ignite是个……吗”之类的问题会有帮助。
https://dzone.com/articles/what-is-apache-ignite-1
5. 需要了解的51条大数据术语（DZone编辑团队作）。
我们列出了一些关于大数据的最重要的定义，能够纠正你对术语的一些理解错误。
https://dzone.com/articles/48-big-data-terms-you-need-to-know
大数据百宝盒
除了DZone之外，更多大数据新手感兴趣的最近咨询及会议等内容如下。
1. 11个必须参加的大数据会议。
参加一些大型会议，对了解大数据世界会有帮助。
https://blog.capterra.com/big-data-conferences-for-data-analysts/
2. 解释大数据。
在以下介绍短片中，可以了解有关大数据的特征、技术和机会：
3. 掌握大数据分析。
这个网站提供了50门课程、博客、教程等资料，以帮助人们掌握大数据分析！查询此网站来获得任何与大数据领域有关的资料。
https://www.ngdata.com/big-data-analysis-resources/
深入研究大数据
1. Refcardz索引。
DZone几乎在所有与技术相关的主题上都有指南和Refcardz索引（Refcardz：一个提供多种技术速查表的网站），但如果你对大数据特别感兴趣，下面这些应该对你最有吸引力。
https://dzone.com/refcardz/apache-spark?chapter=1
2. DZone大数据指南：数据科学和高级分析。
探索下一代自助服务数据准备工具的关键功能，深入研究与大数据相关的应用程序和语言。
https://dzone.com/guides/big-data-data-science-and-advanced-analytics
3. Apache Spark。
大规模数据处理的引擎。Spark的简介，介绍它在大数据领域的地位，指导安装并创建Spark程序，以及对一些常用行为和操作的说明。
https://dzone.com/refcardz/apache-spark?chapter=1
相关报道：
https://dzone.com/articles/the-basics-of-big-data