尝试大数据和数据挖掘，该怎么规划学习？

目前大数据炒的一直非常火爆，可如何进入大数据行业呢，怎么进行学习呢，

推荐一个大数据学习群 119599574晚上20:10都有一节【免费的】大数据直播课程，专注大数据分析方法,大数据编程，大数据仓库，大数据案例，人工智能,数据挖掘都是纯干货分享，

一.大数据方向工作介绍

二.大数据工程师的技能要求

三.大数据学习路径

四.学习资源推荐（书籍、博客、网站）

一.大数据方向工作介绍

大数据方向的工作目前分为三个主要方向:

01.大数据工程师

02.数据分析师

03.大数据科学家

04.其他（数据挖掘本质算是机器学习，不过和数据相关，也可以理解为大数据的一个方向吧）

二.大数据工程师的技能要求

总结如下:

必须技能10条:

01.Java高级(虚拟机、并发)

02.Linux 基本操作

03.Hadoop（此处为侠义概念单指HDFS+MapReduce+Yarn ）

04.HBase（JavaAPI操作+Phoenix ）

05.Hive(Hql基本操作和原理理解）

06.Kafka

07.Storm

08.Scala需要

09.Python

10.Spark (Core+sparksql+Spark streaming ）

11.一些小工具(Sqoop等)

高阶技能6条:

11.机器学习算法以及mahout库加MLlib

12.R语言

13.Lambda 架构

14.Kappa架构

15.Kylin

16.Aluxio

三.学习路径

第一阶段:

01.Linux学习（跟鸟哥学就ok了）

02.Java 高级学习（《深入理解Java虚拟机》、《Java高并发实战》）

第二阶段:

03.Hadoop （董西成的书）

04.HBase（《HBase权威指南》）

05.Hive（《Hive开发指南》）

06.Scala（《快学Scala》）

07.Spark （《Spark 快速大数据分析》）

08.Python （跟着廖雪峰的博客学习就ok了）

第三阶段:

对应技能需求，到网上多搜集一些资料就ok了，我把最重要的事情(要学什么告诉你了)，

剩下的就是你去搜集对应的资料学习就ok了

当然如果你觉得自己看书效率太慢，你可以网上搜集一些课程，跟着课程走也OK 。这个完全根据自己情况决定。如果看书效率不高就很网课，相反的话就自己看书。

实现经典算法。有几个部分：

a. 关联规则挖掘 (Apriori, FPTree, etc.)

b. 分类 (C4.5, KNN, Logistic Regression, SVM, etc.)

c. 聚类 (Kmeans, DBScan, Spectral Clustering, etc.)

d. 降维 (PCA, LDA, etc.)

e. 推荐系统 (基于内容的推荐，协同过滤，如矩阵分解等)

四.学习资源推荐:

01.Apache 官网

02.Stackoverflow

04.github

03.Cloudra官网

04.Databrick官网

05.过往的记忆（技术博客）

06.CSDN，51CTO

07.至于书籍当当一搜会有很多，其实内容都差不多。

最后但却很重要一点:要多关注技术动向，持续学习。