大數(shù)據(jù)有兩個(gè)方向，一個(gè)是偏計(jì)算機(jī)的，另一個(gè)是偏經(jīng)濟(jì)的。你學(xué)過Java，所以你可以偏將計(jì)算機(jī)

基礎(chǔ)
1. 讀書《Introduction to Data Mining》，這本書很淺顯易懂，沒有復(fù)雜高深的公式，很合適入門的人。
另外可以用這本書做參考《Data Mining : Concepts and Techniques》。第二本比較厚，也多了一些數(shù)據(jù)倉庫方面的知識。
如果對算法比較喜歡，可以再閱讀《Introduction to Machine Learning》。
當(dāng)然，還有《機(jī)器學(xué)習(xí)：實(shí)用案例解析》

2. 實(shí)現(xiàn)經(jīng)典算法。有幾個(gè)部分：
a. 關(guān)聯(lián)規(guī)則挖掘 (Apriori, FPTree, etc.)
b. 分類 (C4.5, KNN, Logistic Regression, SVM, etc.)
c. 聚類 (Kmeans, DBScan, Spectral Clustering, etc.)
d. 降維 (PCA, LDA, etc.)
e. 推薦系統(tǒng) (基于內(nèi)容的推薦，協(xié)同過濾，如矩陣分解等)
然后在公開數(shù)據(jù)集上測試，看實(shí)現(xiàn)的效果。可以在下面的網(wǎng)站找到大量的公開數(shù)據(jù)集：UCI Machine Learning Repository/

3. 熟悉幾個(gè)開源的工具: Weka (用于上手); LibSVM, scikit-learn, Shogun

4. 到 Kaggle: Go from Big Data to Big Analytics/ 上參加幾個(gè)101的比賽，學(xué)會(huì)如何將一個(gè)問題抽象成模型，并從原始數(shù)據(jù)中構(gòu)建有效的特征 (Feature Engineering).

到這一步的話基本幾個(gè)國內(nèi)的大公司都會(huì)給你面試的機(jī)會(huì)。

進(jìn)階篇：

1. 讀書，下面幾部都是大部頭，但學(xué)完進(jìn)步非常大。
a.《Pattern Recognition and Machine Learning》
b.《The Elements of Statistical Learning》
c.《Machine Learning: A Probabilistic Perspective》
第一本比較偏Bayesian；第二本比較偏Frequentist；第三本在兩者之間，但我覺得跟第一本差不多，不過加了不少新內(nèi)容。當(dāng)然除了這幾本大而全的，還有很多介紹不同領(lǐng)域的書，例如《Boosting Foundations and Algorithms》，《Probabilistic Graphical Models Principles and Techniques》；以及理論一些的《Foundations of Machine Learning》，《Optimization for Machine Learning》等等。這些書的課后習(xí)題也非常有用，做了才會(huì)在自己寫Paper的時(shí)候推公式。

2. 讀論文。包括幾個(gè)相關(guān)會(huì)議：KDD，ICML，NIPS，IJCAI，AAAI，WWW，SIGIR，ICDM；以及幾個(gè)相關(guān)的期刊：TKDD，TKDE，JMLR，PAMI等。跟蹤新技術(shù)跟新的熱點(diǎn)問題。當(dāng)然，如果做相關(guān)research，這一步是必須的。例如我們組的風(fēng)格就是上半年讀Paper，暑假找問題，秋天做實(shí)驗(yàn)，春節(jié)左右寫/投論文。

3. 跟蹤熱點(diǎn)問題。例如最近幾年的Recommendation System，Social Network，Behavior Targeting等等，很多公司的業(yè)務(wù)都會(huì)涉及這些方面。以及一些熱點(diǎn)技術(shù)，例如現(xiàn)在很火的Deep Learning。

4. 學(xué)習(xí)大規(guī)模并行計(jì)算的技術(shù)，例如MapReduce、MPI，GPU Computing。基本每個(gè)大公司都會(huì)用到這些技術(shù)，因?yàn)楝F(xiàn)實(shí)的數(shù)據(jù)量非常大，基本都是在計(jì)算集群上實(shí)現(xiàn)的。

5. 參加實(shí)際的數(shù)據(jù)挖掘的競賽，例如KDDCUP，或 Kaggle: Go from Big Data to Big Analytics/ 上面的競賽。這個(gè)過程會(huì)訓(xùn)練你如何在一個(gè)短的時(shí)間內(nèi)解決一個(gè)實(shí)際的問題，并熟悉整個(gè)數(shù)據(jù)挖掘項(xiàng)目的全過程。

6. 參與一個(gè)開源項(xiàng)目，如上面提到的Shogun或scikit-learn還有Apache的Mahout，或?yàn)橐恍┝餍兴惴ㄌ峁└佑行Э焖俚膶?shí)現(xiàn)，例如實(shí)現(xiàn)一個(gè)Map/Reduce平臺下的SVM。這也是鍛煉Coding的能力。（轉(zhuǎn)）

?

以下回答出自我之前的一個(gè)總結(jié)：想從事大數(shù)據(jù)、海量數(shù)據(jù)處理相關(guān)的工作，如何自學(xué)打基礎(chǔ)？
想做數(shù)據(jù)處理尤其是大數(shù)據(jù)量處理的相關(guān)工作必須兼具計(jì)算機(jī)科學(xué)基礎(chǔ)和統(tǒng)計(jì)基礎(chǔ)。

如果你有機(jī)會(huì)在學(xué)校學(xué)習(xí)這些課程或者自學(xué)，會(huì)對你的職業(yè)目標(biāo)有幫助。

基礎(chǔ)中的基礎(chǔ)：
線性代數(shù)，概率論

核心知識：
數(shù)理統(tǒng)計(jì)
預(yù)測模型
機(jī)器學(xué)習(xí)

計(jì)算機(jī)：

• 數(shù)學(xué)軟件：強(qiáng)大矩陣運(yùn)算和優(yōu)化功能的matlab，專而精的mathematica。
• 語言：fortran（強(qiáng)大的計(jì)算語言，充分優(yōu)化的現(xiàn)成代碼），R（相比于matlab，java，c，R是個(gè)高富帥），python．
• 可視化

統(tǒng)計(jì)：時(shí)間序列分析
應(yīng)用回歸分析
多元統(tǒng)計(jì)分析

強(qiáng)烈推薦：Distance Education § Harvard University Extension School 和哈佛的學(xué)生一起學(xué)習(xí)Data Science。

課后問題的材料：CS109 Data Science

相關(guān)問題：

• Data Science: What are some good free resources to learn data science?
• Where can I learn pandas or numpy for data analysis?
• What are some good resources for learning about statistical analysis?
• Data Science: How do I become a data scientist?
• What are some good resources for learning about machine learning?

另外，這是我的知乎專欄，會(huì)不斷更新數(shù)據(jù)科學(xué)的文章，歡迎關(guān)注。Introduction to DαΓαSciεηce - DαΓαSciεηce - 知乎專欄

總結(jié)

以上是生活随笔為你收集整理的大数据vs计算机的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。