大規模なデータ方向の展開は考え、助けることがいくつかの疑問、どのようにすべきエントリを持つことができないの開始後と思いますか？どのような技術を学ぶ必要がありますか？どのような学習ルートはありますか？学生の本来の意図に沿っへのすべての開始は、Javaを勉強したいという考えは同じです。仕事は非常に火災、給与雇用が見通しは非常に印象的で,,比較的高いです。基本的にこのような理由の憧れビッグデータが、ビッグデータはあまり理解されています。あなたが勉強したい場合は、最初に、第二に、あなたが数学、統計学の知識を持っている必要があり、プログラミングを学ぶ必要があり、最終的にアプリケーションを収束し、あなたはデータの方向に開発することができ、一般的に言えば、それは、そのようなものです。しかし、これだけでは助けにはない、特にそれが何であるか、どのくらいのデータ支部の教師の表情として一緒に。
あなたは良い学習環境に追加最高のビッグデータを知りたい場合は、その誰もが学ぶことは比較的容易であろうが、また、一般的に情報を伝達して共有するので、これはQグループ251956502かもしれ
今、あなたは自分自身にいくつかの質問をする必要があります。
コンピュータ/ソフトウェア1.、あなたの興味は何ですか？
2は、オペレーティングシステムに興味を持ってプロのコンピュータ、ハードウェア、ネットワーク、サーバーのですか？
図3は、コードを書くことに興味がある、専門的なソフトウェア、ソフトウェア開発、プログラミングのですか？
4.または数学、統計は、特にデータや数字に興味があります。
5.あなたの専門は何ですか？
ビッグデータの学習段階
ステージ1、Java言語の基礎
Java開発者は、使い慣れたEclipseの開発ツール、Java言語の基礎、プロセス制御のJava、Java文字列、配列、Javaクラスとオブジェクト、クラス、およびデジタル処理コア技術、I / Oおよび反射、マルチスレッド、スイングのプログラムやコレクションを紹介しました
フェーズII、HTML、CSS、およびJava
PCターミナルサイトのレイアウト、HTML5 + CSS3の基礎、WebAppのページレイアウト、ネイティブJavaインタラクティブ機能開発、Ajaxの非同期対話、jQueryのアプリケーション
フェーズIII、JavaWebおよびデータベース
データベース、コアのJavaWeb開発、JavaWeb開発インサイダー
フェーズIV、LinuxHadooptシステム
Linuxシステムでは、Hadoopのはオフラインの概要、分散データベースHBaseの、データウェアハウスハイブを計算し、データ移行ツールSqoop、水路は、フレームワークをログに記録する分散しました
ステージ5、実際の（本物のフロントラインの会社のプロジェクト）
データ収集、データ処理、データ分析、データ・プレゼンテーション、データアプリケーション
ステージ6、スパーク生態系
Pythonプログラミング言語、Scalaのプログラミング言語、スパークビッグデータ処理、火花ストリーミングビッグデータ処理、スパーク-MLIBの機械学習、火花GraphXマップ計算、本物の1：スパーク推薦システム（会社実際のプロジェクトのライン）ベースの戦闘2 ：シーナ（www.sina.com.cn）
ステージ7、嵐の生態系
嵐の技術アーキテクチャシステム、嵐や基本的な原則、メッセージキューカフカ、Redisのツール、飼育係が詳細、本当の1：ログ警報システムプロジェクト、戦闘2：あなたはまた、推薦システムの戦闘ようなことがあり
フェーズ八、ビッグデータ分析-AI（人工知能）
データは、作業環境準備、データの可視化、Pythonの機械学習のデータ分析を分析します
1、Pythonの2機械学習、ニューラルネットワーク、画像認識、社会的なネットワーク処理を処理する自然言語、実際のアイテム：アウトドア用品認識分析
[！SupportListsの場合]・[endifの]現在市場に多くの研修機関や訓練機関の記事は、基本的に与えることがあるあなたのすべてのあなたにゼロベース、クリアな背中、それができるとの妥当性を検討するスキルしかし、それは学部教育、科学ビッグデータの発展に従っている場合は、より困難な、多くのプロビッグデータ、ビッグデータ分析、ビッグデータの開発、データベース開発。
大規模なデータクラスの開発の一般的な過程では、学部教育は、よりリラックスしたビッグデータ開発要件、より十分なため、データベースの専門家を、このような個々の十分の分野におけるデータベースの開発など4ヶ月、3ヶ月を、学んでいます。
ビジネス側からは、ビッグデータの才能は、製品と市場分析、セキュリティやリスク分析とビジネスインテリジェンス三個の大の領域に分割することができます。
製品の分析は、アルゴリズムによって新製品の有効性をテストすることである比較的新しい分野です。セキュリティとリスク分析の観点では、データ科学者は、情報を分析することにより、迅速に分析する方法、データを収集するために何を知っている必要があり、そして最終的に効果的に軽減するネットワーク***やキャッチサイバー犯罪者に。求職者のために、自分の条件に基づいてジョブを選択する方法、のためのビッグデータワークに従事したいですか？
ここではホットジョブズに関連する「ビッグデータ」の10種類があります。
A、ETL開発
データタイプ、企業の専門家のためのデータ統合、ますます強い需要が継続的に増加しています。ETL開発者は、異なるソースから抽出データに異なるデータソースおよび組織に対処し、企業のニーズを満たすために、データウェアハウスをインポートします。ETL開発、一時的な中間層抽出にリレーショナルデータ、フラットデータファイル、データソースとして、異種データのばらつきの原因で、変換後、統合を洗浄し、最終的にデータウェアハウスまたはデータマートにロードしている、ラインとなります分析処理、データマイニングの基礎。現在、ETL業界は、関連するジョブは、通常、内部の従業員および外部委託請負業者コネの間で行われ、長いサイクル寿命を比較的成熟した作品です。ビッグデータ時代の理由から、ETLの才能の一つは暑いです：大企業のデータ・アプリケーションの初期段階では、Hadoopのはただ貧しいETLです。
第二に、コアHadoopのHDFSとHadoopの開発MapReduce.HDFSは、大容量データストレージを提供している、MapReduceのデータの計算を提供します。増加のデータセットのサイズ、データを処理し、伝統的なBIのコストが高い、安いHadoopのためのビジネス需要との関連では、このようなハイブ、HBaseの、MapReduceの、豚などのデータ処理などの技術は成長していきます。今のHadoopフレームワークと技術スタッフを経験したが、ほとんどが求められているビッグデータの才能です。
第三に、可視化ツールの開発
大量データの分析は大きな課題であり、新しいデータ可視化ツールなどSpotifre、QlikViewのタブローと視覚的に効率的にデータを表示します。グラフィカルユーザインタフェースのビジュアル開発を自動的に可視化アプリケーション開発ツールによって生成されたユーザインタフェース要素によって提供される視覚的な開発ツールです。また、簡単にリソースの複数のレベルを横切り、時の試練を経た、すべてのデータを接続し、完全にスケーラブルな、機能豊富なと包括的なビジュアルコンポーネントライブラリは、フル機能およびビルドに使用されるコンポーネントのセット使いやすいを開発者に提供します非常にリッチなユーザー・インターフェース。ビジネスインテリジェンスの開発者のカテゴリに属する過去、データの可視化ではなく、Hadoopのの上昇に伴って、データの可視化は、独立した専門的なスキルと仕事となっています。
第四に、ビッグデータは、情報アーキテクチャの開発ブームマスターデータ管理を再通電します。
企業データと支援の意思決定の完全な開発と利用は、非常に専門的なスキルが必要です。情報アーキテクトは、定義し、データの管理と使用に最も効果的なアプローチことを保証するために重要な要素をアーカイブする方法を理解する必要があります。主なスキルは、情報アーキテクト、マスターデータ管理、業務知識とデータモデリングが含まれます。
V.データウェアハウス
データウェアハウスのデータのすべてのタイプの戦略的なコレクションは、企業の意思決定支援のすべてのレベルのためのプロセスを開発することです。これは、レポートや分析意思決定支援と創造の目的のために、単一のデータストアです。ビジネスプロセスの改善と監視時間、コスト、および品質管理を導くために必要なビジネス・インテリジェンスを提供します。データウェアハウステラ、NeteezaなどのExadataマシンデータなどの大企業に精通している専門家。マシンの完全なデータ統合、管理およびパフォーマンスの最適化の作業に。
六、OLAP開発
メガの1980（M）とギガバイト（G）からのデータおよびアプリケーション開発、データベース・ストレージ・データベース技術の使用量として兆兆（T）ギガバイトメガバイト（現在の遷移バイトP）は、ユーザーのクエリは、クエリにするだけでなくた伴う、より多くの複雑なニーズに対し、バイトやテーブルではなく、データの記録の何百万もの複数のテーブルのデータに一つまたは複数のレコードを操作します情報分析と合成。オンライン分析処理（OLAP）システムが問題に、このような大量のデータ処理を解決する責任があります。OLAP線解析モデルのうち、リレーショナルまたは非リレーショナル・データ・ソースからのデータ抽出を担当する現像剤、及びその後は、高性能事前定義されたクエリを提供するデータ・アクセス・ユーザー・インターフェースを作成します。
七つの科学的データ
この位置はまた、過去の研究データアーキテクチャと呼ばれ、データ科学者は仕事の新しいタイプですが、それはビジネスの商業的価値に企業データや技術のことができるようになります。科学データの進展に伴い、より多くの仕事は、人間の知識データが自然と行動を理解することができるようになります実際のデータ、に向けられるであろう。そのため、データ科学者は最初に、優れたコミュニケーションスキルを持っているIT部門とビジネス部門のリーダーながらデータ解析の結果を解釈することができるはずです。全体的に、データアナリストの科学者たちは、アーティストが合う、学際的な科学とビジネススキルの多様性を必要としています。八、予測分析データ
マーケティング部門は、多くの場合、ユーザーの行動や対象ユーザーを予測する予測分析を使用しています。予測分析の開発者、すなわちテスト閾値と、いくつかのシーンに幾分類似データ科学者を発見したと仮定して、履歴データに基づいて、企業の将来のパフォーマンスを予測します。
九、エンタープライズデータ管理
データの品質を向上させる必要がある企業は、データ管理を考慮する必要があり、この端位置に設定するためのデータスチュワード必要性が、この位置の必要性は、技術のさまざまなツールを使用することができ、大企業の周りのデータの量、およびデータクレンジングと正規化、データのインポートデータをプールします倉庫、使用可能なバージョンになっ。その後、レポーティングおよび分析技術により、データは、スライスさいの目に切った、と何千人もの人々に配信されます。人々はデータスチュワードとして機能し、データは市場の完全性、正確性、独自性、信憑性はなく冗長性を確保する必要があります。
X.データセキュリティ研究
オフィスでのデータセキュリティは、大規模なエンタープライズサーバ、ストレージ、データのセキュリティ管理、およびネットワーク計画、情報セキュリティプロジェクトの設計と実装を担当しています。データセキュリティ研究者も漏れないトレースを行うには、企業データのセキュリティを確保するために、より深い理解を持っている知識や伝統的なビジネス企業の運用および保守管理の能力と、強力な管理経験を持っている必要があります。