一談到大數據技術，很多人首先想到的是數學，大概是因為數字在數學體系中穩固的位置吧，這也是理所當然的。大數據時代已經被抄的很熱了，這個行業目前已經逐漸成熟，想學習大數據開發的人越來越多。每天我們在互聯網都要存留大量的信息，但如何收集、整理這海量的信息，并產生價值，已經是各行各業都在探索的重要課題，且不說在海量數據中挖掘用戶需求，預測未來的市場導向，就連政府的政務數據也要云計算、大數據。.

如果有編程背景這是最好的了，會節省很多學習時間，更容易理解。因為大數據環境比較復雜，并不像學習編程軟件一樣，機器安裝一下，跟老師敲幾行代碼就可以了，但大數據可就要麻煩多了，至少要準備好虛擬化的集群環境，然后又要安裝部署各種計算框架，所以需要有耐心，有一定解決問題的能力，堅持不懈，才有可能學好大數據。

由于工作關系，在我的周圍存在這兩類人，一是正在學校學習的大學生，二是在IT公司從事研發設計的工程師。他們在數學學習和應用方面出現了兩個極端。在校大學生，特別是大一、大二的學生每學期都有一些諸如數學分析、線性代數、數論之類數學課程，盡管在課堂上可以聽到萊布尼茨和牛頓的糾葛故事、笛卡爾的愛情故事，但是他們往往感到很迷茫，因為不知道所學的數學知識到底有什么用。對于IT公司的研發人員來說，他們在進入大數據相關崗位前，總是覺得要先學點數學，但是茫茫的數學世界，哪里才是大數據技術的開頭？

線性代數這部分數學知識與大數據技術開發的關系也很密切，矩陣、轉置、秩 分塊矩陣、向量、正交矩陣、向量空間、特征值與特征向量等在大數據建模、分析中也是常用的技術手段。

在互聯網大數據中，許多應用場景的分析對象都可以抽象成為矩陣表示，大量Web頁面及其關系、微博用戶及其關系、文本集中文本與詞匯的關系等等都可以用矩陣表示。比如對于Web頁面及其關系用矩陣表示時，矩陣元素就代表了頁面a與另一個頁面b的關系，這種關系可以是指向關系，1表示a和b之間有超鏈接，0表示a,b之間沒有超鏈接。著名的PageRank算法就是基于這種矩陣進行頁面重要性的量化，并證明其收斂性。

以矩陣為基礎的各種運算，如矩陣分解則是分析對象特征提取的途徑，因為矩陣代表了某種變換或映射，因此分解后得到的矩陣就代表了分析對象在新空間中的一些新特征。所以，奇異值分解SVD、PCA、NMF、MF等在大數據分析中的應用是很廣泛的。

詳細內容：【大數據學習】數學基礎及應用——阿里云大學

課程主要介紹大數據中的數學基礎：

• 一、向量、矩陣介紹?

• 二、向量在游戲引擎中的應用

• 三、矩陣奇異值分解及其應用?

• 四、導數、梯度介紹?

• 五、最優化方法及其應用

阿里云開發者社區全面升級，一站式體驗，用得更爽：（阿里云開發者社區首頁）

轉載于:https://blog.51cto.com/14377691/2410012

總結

以上是生活随笔為你收集整理的【大数据】学习大数据前需要掌握的知识的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。