大数据实验室:零基础学习大数据该看哪些书?

小编身边有很多朋友对大数据行业心向往之，却苦于不知道该如何下手。作为一个无基础大数据入门学习者该看哪些书？今天给大家推荐一位知乎网友挖矿老司机的指导贴，作为参考。

      就目前公司招聘和其他所了解到的大数据专业的工作内容，偏重方向和技术选型有所不同。作者就不同职业学习的书籍进行了分类推荐。

        1. 大数据工程师
        在互联网公司广泛招聘，偏平台业务方向，ETL和OLTP等，主要是基于Hadoop技术栈来处理大数据，算法要求不是很高。

       经典图书推荐：《Hadoop权威指南》《Hive编程指南》《Hbase权威指南》《大数据技术全解》、《大数据挑战NoSql》《Mahout实战》

 

       2. 数据分析师：

       在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询，商务智能，出分析报告，互联网公司的产品经理差不多类型了，统计学能力要求高，SPSS、SAS、R、SQL。

       经典图书推荐：《概率论与数理统计》、《统计学》推荐David Freedman版、《业务建模与数据挖掘》、《数据挖掘导论》、《SAS编程与数据挖掘商业案例》、《Clementine数据挖掘方法及应用 》、《IBM SPSS Statistics 19 Statistical Procedures Companion》等。

 

      3. 数据挖掘工程师：

      在互联网、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析，基本数据结构算法、机器学习等都要求较高。Hadoop、spark技术栈，Java、Python、C++、Scala、Shell。

      经典图书推荐：《数据挖掘概念与技术》、《数据挖掘导论》、《数据挖掘-实用机器学习技术》；《机器学习》Tom Michael 、《机器学习导论》、周志华《机器学习》、《机器学习实战》、《集体智慧编程》、《统计学习方法》ESL 《Elements of Statistical Learning》 ISL 《An Introduction to Statistical Learning》PRML 《Pattern Recognition and Machine Learning》《数据库系统概论》、《算法导论》、《Web数据挖掘》、《推荐系统》、《数据可视化》《Thinking in Java》、《Python核心编程》、《Thinking in C++》等。

 

     4. 科学研究方向：

      在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用，还有现在很多计算机视觉的创业公司的算法研究。

      经典图书推荐：《机器学习》《模式分类》《统计学习理论的本质》《统计学习方法》《数据挖掘实用机器学习技术》《R语言实践》，《人工智能及其应用》、《概率图模型》英文素质是科研人才需要具备的《Machine Learning: A Probabilistic Perspective》《Scaling up Machine Learning : Parallel and Distributed Approaches》《Data Mining Using SAS Enterprise Miner : A Case Study Approach》《Python for Data Analysis》等。

 

     当然还有一步很重要就是不断练习、练习、练习，将学到的知识与实际应用场景相结合，学会写代码也很重要哦。大数据学科是一门综合学科，对于教授该专业的老师也是一项很大的挑战。日前，中科天玑大数据实验室平台已经上线，该平台内置了大数据专业课程、大数据实战案例和云计算OpenStack三大类课程。设置了大数据技术基础、大数据离线计算、大数据实时计算、大数据进阶等不同深度的课程，满足不同学习程度学生的诉求。课程视频由业内大数据专家和高校大数据专业授课老师录制，并配合有大数据行业经典实战案例，真正让老师能够轻松授课，让学生能够快速掌握知识。