参考：
1、 如何进入大数据领域，学习路线是什么？
2、 怎样进行大数据的入门级学习？
3、 如何快速成为数据分析师？
4、 极客时间：从0开始学大数据
5、 BI转数据挖掘，我的脱产学习路
6、 知乎：数据挖掘
一 概述
大致方向：
大数据工程师、数据分析师、大数据科学家、其他。随着近些年大数据技术的发展，以 Hadoop、Spark 为代表的大数据开源项目早已迭代成熟，构建起生态化系统。与此对应，不论是开发者还是企业，关注点也已经从技术的演进转向如何更好地应用大数据，去支撑业务和云计算、人工智能的深度融合。
二 补充资料
三 学习路径
0 极速了解大数据
参考：
1、 极客时间：从0开始学大数据
2、 BI转数据挖掘，我的脱产学习路
1 入门指南
- 知识图谱：
- 数据库 SQL 教程。
- Python/R 语言基础。
- Linux 基础。
- Excel/Tableau 数据分析软件。
- 哈里斯堡社区大学公开课：统计学入门。
- 数据挖掘 18 大算法实现以及其他相关经典 DM 算法。
- 工具：
- PyCharm
- anaconda
- Jupyter Notebook/Jupyter Lab
- 参赛平台：
kaggle、阿里巴巴天池、kesci、datacastle、biendata、datafountain 等。
2 学习路线
参考：
1、 如何进入大数据领域，学习路线是什么？
- 入门知识
- Java 基础；补充：Java 高级（《深入理解Java虚拟机》、《Java高并发实战》）。
- Scala 基础；补充：《快学 Scala》。
- Hadoop 技术模块；补充：董西成的书、《HBase 权威指南》、《Hive开发指南》。
- Hadoop 项目实战。
- Spark 技术模块；补充：《Spark 快速大数据分析》。
- 大数据项目实战。
3 参考经验小结
- 必须技能 10 条:
- Java高级（虚拟机、并发）
- Linux 基本操作
- Hadoop（此处为侠义概念单指 HDFS + MapReduce + Yarn）
- HBase（JavaAPI 操作 + Phoenix ）
- Hive（Hql 基本操作和原理理解）
- Kafka
- Storm
- Scala 需要
- Python
- Spark (Core + sparksql + Spark streaming ）
- 高阶技能 6 条:
- 机器学习算法以及 mahout 库加 MLlib
- R 语言
- Lambda 架构
- Kappa 架构
- Kylin
- Aluxio
