大数据学习：零基础大数据入门该看哪些书？

现在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。作为一个零基础大数据入门学习者该看哪些书？今天做了一些整理作为参考，希望可以帮助到那些对大数据感兴趣的同学。

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，算法要求不是特别高。

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》

.在入门学习大数据的过程当中有遇见学习，行业，缺乏系统学习路线，系统学习规划，欢迎你加入我的大数据学习交流裙：××× ，裙文件有我这几年整理的大数据学习手册，开发工具，PDF文档书籍，你可以自行下载。

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。

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。如果你在学习过程中，发现自学困难，不妨进行系统的学习，大数据将理论和实践相结合，专业致力于大数据人才培养。