第一、對於初學者尤其是編程小白，Linux、Java的學習是必須的。但這並不代表我們非要研究透這些，我們只要學習對我們大數據有利的方面就可以，比如java我們只需要學習javaSE及javaEE的部分知識點。因為大數據裏的hadoop、hbase、spark等都是在linux上運行的，所以linux也是我們入門大數據的必修課之一。

第二、學習大數據的主要技能，如：Hadoop、HBase、Hive、Scala、Spark、Python等，前期並不建議看書。

第三、自學能力的培養，很多教學資源並不是現成的，大家應該有意識的去尋找一些社群、論壇、博客之類的資源型賬號，這對於自己了解最新的行業動態以及打開自己的知識面有著巨大的作用。

其實很多學習大數據的學員反應，自學往往效率很低，自學大數據需要非常強的學習能力。而且有著眾多的影響因素，所以對於很多的求學者而言，尤其是那些自控能力差的學生，建議還是去大數據培訓機構系統的學習一下。加米谷大數據有著專業的講師、國家大數據標準組成員親自授課、面向企業實戰的課程大綱、以及一線互聯網企業的真實項目實訓。

我知道，自己一個人學習大數據是真的很難，如果你想找個人帶帶你學的話，或者學的

過程中有什麽不懂得話可以+q裙 ：伍叁貳貳壹捌壹肆柒，找裙管理，帶你學習大數據，每天有免費的公開課程學習！從基礎開始，你可以來學習，當然，你想要的零基礎學習資料我也可以免費提供！！！！

大數據這個行業火熱程度還在加劇，學習大數據已經逐漸的成為IT界的新方向。加之市場需求的不斷擴大，人才缺口的不斷擴大，未來將會有更多的開發人員、零基礎人員、求學者進入這個領域，可以說在這個大數據爆發的“元年”學習大數據可謂是正當時。

大數據學習要勇於實踐，不要紙上談兵：數據科學還是數據工程？

大數據只有和特定領域的應用結合起來才能產生價值，數據科學還是數據工程是大數據學習要明確的關鍵問題，搞學術發paper數據科學OK，但要大數據應用落地，如果把數據科學成果轉化為數據工程進行落地應用，難度很大，這也是很多企業質疑數據科學價值的原因。且不說這種轉化需要一個過程，從業人員自身也是需要審視思考的。

工業界包括政府管理機構如何引入研究智力，數據分析如何轉化和價值變現？數據科學研究人員和企業大數據系統開發工程人員都得想想這些關鍵問題。

目前數據工程要解決的關鍵問題主線是數據(Data)>知識(Knowledge)>服務(Service)，數據采集和管理，挖掘分析獲取知識，知識規律進行決策支持和應用轉化為持續服務。

解決好這三個問題，才算大數據應用落地，那麽從學習角度講，DWS就是大數據學習要解決問題的總目標，特別要註重數據科學的實踐應用能力，而且實踐要重於理論。從模型，特征，誤差，實驗，測試到應用，每一步都要考慮是否能解決現實問題，模型是否具備可解釋性，要勇於嘗試和叠代，模型和軟件包本身不是萬能的，大數據應用要註重魯棒性和實效性，溫室模型是沒有用的，訓練集和測試集就OK了嗎？

大數據如何走出實驗室和工程化落地，一是不能閉門造車，模型收斂了就想當然萬事大吉了；二是要走出實驗室充分與業界實際決策問題對接；三是關聯關系和因果關系都不能少，不能描述因果關系的模型無助於解決現實問題；四是註重模型的叠代和產品化，持續升級和優化，解決新數據增量學習和模型動態調整的問題。

所以，大數據學習一定要清楚我是在做數據科學還是數據工程，各需要哪些方面的技術能力，現在處於哪一個階段等，不然為了技術而技術，是難以學好和用好大數據的。

今天的分享就到這兒了了，更多IT分享請關註V信：程序員大牛！！！！轉發評論關註！！！

IT界的新方向-大數據？讓我來告訴你如何從“零”學起！