前言

大数据的蓬勃发展，让越来越多的行内、行外人想从事大数据相关的工作。同样在成都，大数据近几年的发展渐入高速，转行学习大数据的人也日益增多。

加米谷大数据作为一个专业的大数据机构，以期为学员提供更好的学习服务，从今起将推出一系列的学员访谈，谈谈大家在学习大数据的过程中，选择大数据的考量原因、遇到的诸多问题、一些学习感受和学习建议。

声明

学员信息均为真实，使用经过学员允许，内容版权属于加米谷大数据，任何形式的转载请注明出处！

正文

“我是计算机专业，想从事这一行咯”

“平时，就打打游戏啊”

“上课，认真听讲吧，老师布置的作业认真完成”...

谈到学习的情况时，这个白白净净的男孩总是这么轻描淡写的回答。这轻松的语气背后，付出的是大把的学习汗水。

严文杰从小就喜欢玩电脑，大学学的是计算机专业，喜欢各种游戏，说起自己学大数据的初衷，就是单纯的“想从事这一行”。大数据属于技术前沿，“现在国内大数据人才紧缺，感觉大数据更符合现在的技术发展和就业。”

一个从事IT行业的朋友也建议他学习大数据，在朋友推荐下，他来到加米谷，了解到加米谷是小班面授教学，报名了大数据开发的课程，“人少肯定要好些嘛，老师照顾得到。”

虽然是计算机专业出身，但对于大数据自己是0基础，大数据开发要学习的技术内容太多，“刚开始上课压力有点大”；离家远，住在武侯区10号线那边，“每天一趟公交三趟地铁，差不多要一个半小时，早上要起很早”...

学习过程中严文杰还遇到诸如：

1、遇到一些大数据问题到网上找不到答案和相关资料；

2、原理理解了，实操过程中感觉会遇到较多问题；

3、写案例会遇到比较纠结的地方，老师出题的要求（功能），要做出来比较难...

大数据技术的学习如果很轻松就能完成的话，国内怎么会有200万+ 的大数据人才缺口呢？遇到这些困难，他是如何克服的呢？严笑笑说，“在网上找资料啊，问同学、查看上课的笔记、PPT，再不行就问老师。”遇到不会的地方会自己尝试去解决，靠自己解决不了就问老师。

自己上网找资料会比较花时间，大数据不像Java一样有那么久的历史，“Java的资料多还满靠谱的，大数据的很难找，很多问题在网上找不到答案。”对于老师，严说，“感觉老师是蛮负责的”，上课一般是先讲原理再进行实践，“因为时间相对充裕，课程的安排也刚好，老师偶尔会开开玩笑，放松一下，刚开始上课压力有点大，后面习惯了就好。”

谈到自己的学习有什么技巧时，严说，“也没什么的，多练，上课认真听讲，老师布置的作业认真做”，如果做不出来怎么办呢？“用心了，一般都能做出来的。”

大数据学习建议：

1、不适合学技术的不建议来学习大数据；

2、想学好大数据，每节课好好听讲，跟着老师的节奏走，把知识理解透，认真完成作业，老师的要求尽力都做到。

最近有很多人咨询，想学习大数据，但不知道怎么入手，从哪里开始学习，需要学习哪些东西？对于一个初学者，学习大数据挖掘分析的思路逻辑是什么？本文就梳理了如何从0开始学习大数据挖掘分析，学习的步骤思路，可以给大家一个学习的建议。

很多人认为数据挖掘需要掌握复杂高深的算法，需要掌握技术开发，才能把数据挖掘分析做好，实际上并非这样。如果钻入复杂算法和技术开发，只能让你走火入魔，越走越费劲，并且效果不大。在公司实际工作中，最好的大数据挖掘工程师一定是最熟悉和理解业务的人。对于大数据挖掘的学习心得，作者认为学习数据挖掘一定要结合实际业务背景、案例背景来学习，这样才是以解决问题为导向的学习方法。那么，大体上，大数据挖掘分析经典案例有以下几种：

A、预测产品未来一段时间用户是否会流失，流失情况怎么样；

B、公司做了某个促销活动，预估活动效果怎么样，用户接受度如何；

C、评估用户信用度好坏；

D、对现有客户市场进行细分，到底哪些客户才是目标客群；

E、产品上线投放市场后，用户转化率如何，到底哪些运营策略最有效；

F、运营做了很多工作，公司资源也投了很多，怎么提升产品投入产出比；

G、一些用户购买了很多商品后，哪些商品同时被购买的几率高；

H、预测产品未来一年的销量及收益。。。。

大数据挖掘要做的就是把上述类似的商业运营问题转化为数据挖掘问题。

（一）如何将商业运营问题转化为大数据挖掘问题

那么，问题来了，我们该如何把上述的商业运营问题转化为数据挖掘问题?可以对数据挖掘问题进行细分，分为四类问题：分类问题、聚类问题、关联问题、预测问题；

1、分类问题

用户流失率、促销活动响应、评估用户度都属于数据挖掘的分类问题，我们需要掌握分类的特点，知道什么是有监督学习，掌握常见的分类方法:决策树、贝叶斯、KNN、支持向量机、神经网络和逻辑回归等；

2、聚类问题

细分市场、细分客户群体都属于数据挖掘的聚类问题，我们要掌握聚类特点，知道无监督学习，了解常见的聚类算法，例如划分聚类、层次聚类、密度聚类、网格聚类、基于模型聚类等。

3、关联问题

交叉销售问题等属于关联问题，关联分析也叫购物篮分析，我们要掌握常见的关联分析算法：Aprior算法、Carma算法，序列算法等。

4、预测问题

我们要掌握简单线性回归分析、多重线性回归分析、时间序列等。

（二） 用何种工具实操大数据挖掘

能实现数据挖掘的工具和途径实在太多，SPSS、SAS、Python、R等等都可以，但是我们需要掌握哪个或者说要掌握哪几个，才算学会了数据挖掘?这需要看你所处的层次和想要进阶的路径是怎样的。

第一层级：达到理解入门层次

了解统计学和数据库即可。

第二层级：达到初级职场应用层次

数据库+统计学+SPSS(也可以是SPSS代替软件)

第三层级：达到中级职场应用层次

SAS或R

第四层级：达到数据挖掘师层次

SAS或R+Python(或其他编程语言)

（三）如何利用Python学习大数据挖掘

只要能解决实际问题，用什么工具来学习数据挖掘都是无所谓，这里首推Python。那该如何利用Python来学习数据挖掘?需要掌握Python中的哪些知识?

1、Pandas库的操作

Panda是数据分析特别重要的一个库，我们要掌握以下三点：

1)pandas 分组计算;

2)pandas 索引与多重索引;

索引比较难，但是却是非常重要的

3)pandas 多表操作与数据透视表

2、numpy数值计算

numpy数据计算主要应用是在数据挖掘，对于以后的机器学习，深度学习，这也是一个必须掌握的库，我们要掌握以下内容：

1)Numpy array理解；

2)数组索引操作；

3)数组计算；

4)Broadcasting(线性代数里面的知识)

3、数据可视化-matplotlib与seaborn

1)Matplotib语法

python最基本的可视化工具就是matplotlib。咋一看Matplotlib与matlib有点像，要搞清楚二者的关系是什么，这样学习起来才会比较轻松。

2)seaborn的使用

seaborn是一个非常漂亮的可视化工具。

3)pandas绘图功能

前面说过pandas是做数据分析的，但它也提供了一些绘图的API。

4、数据挖掘入门

这部分是最难也是最有意思的一部分，要掌握以下几个部分：

1)机器学习的定义

在这里跟数据挖掘先不做区别

2)代价函数的定义

3)Train/Test/Validate

4) Overfitting的定义与避免方法

5、数据挖掘算法

数据挖掘发展到现在，算法已经非常多，下面只需掌握最简单的，最核心的，最常用的算法：

1)最小二乘算法；

2)梯度下降；

3)向量化；

4)极大似然估计；

5)Logistic Regression；

6) Decision Tree；

7) RandomForesr；

8) XGBoost；

6、数据挖掘实战

通过机器学习里面最著名的库scikit-learn来进行模型的理解。

以上，就是为大家厘清的大数据挖掘学习思路逻辑。可是，这还仅仅是开始，在通往数据挖掘师与数据科学家路上，还要学习文本处理与自然语言知识、Linux与Spark的知识、深度学习知识等等，我们要保持持续的兴趣来学习数据挖掘。

作者：刘永平 ，11年以上互联网电商、互联网金融项目实操经验，任职高级产品总监，产品运营专家，曾亲自主导参与项目超过15个，10个以上从0到1成功项目实操经验。关注作者头条号：互联网金融干货

免责声明：本文是作者通过多年项目实操，积累分享的干货，全部属于原创，如需转载分享，必须注明作者和出处，并征求作者授权，如没有注明作者和出处，会追究法律责任。

由于Hadoop需要运行在Linux环境中，而且是分布式的，因此个人学习只能装虚拟机，本文都以VMwareWorkstation为准，安装CentOS7，具体的安装此处不作过多介绍，只作需要用到的知识介绍。

VMware的安装，装好一个虚拟机后利用复制虚拟机的方式创建后面几个虚拟机，省时省力，需要注意的是需要修改每个虚拟机的IP与主机名。

所有虚拟机采用NAT模式上网，而且要保证与物理主机的IP互相能访问。

需要注意的几个问题。nat如果上网首先需要查看物理机（pc机）这个服务器已经启动。上网的原理：流量是走的物理网卡，但是它的ip,却是和物理机没有关系的。也就是说，无论你怎么更换网络环境，你的虚拟机都不需要做改变。这就是它的优点。

首先在安装VMware 之后，我们会看到多了两个网卡

这个如果经过网络配置的折磨，应该能找到着两个网卡：vmnet1和vmnet8，这里讲的是vmnet8。

重点看右侧第三图你会看到ip地址，这个ip地址，因个人而异，也就是说不同网络，不同环境，这个ip变化的概率是很大的。可能是192.168.0.1等等。这里也相当于我们编程的一个变量，这里是需要你根据你的环境来赋值的，建议vmnet1到vmnet8分别设置192.168.10.1到192.168.80.1，好作区分。

上面我们通过看到的虚拟机网卡的ip，为了避免混肴，上面的虚拟网卡和本地网络适配器处于同一界面。如下图

而下面则是在打开虚拟机之后，通过菜单弹出

弹出之后，我们在看一下虚拟机的（交换机）vmnet8.

可以看到vmnet8子网ip和虚拟机网卡是出于同一个网段的。

同时在右侧net设置界面，我们可以看到网关为：192.168.106.2，改成192.168.80.2 虚拟机的设置会用到。

Linux基础知识

Linux的学习也是一个过程，因为可能你连最简单的开机和关机命令都不会，更不要谈配置网络。这里面给大家提供刚开始学习所查阅的资料和经验总结。

首先我们需要使用一些命令，进行网络配置，但是在网络配置中，这里面又必须懂得虚拟机的一些知识，所以前面的虚拟机知识需要掌握扎实一些。

在此注意CentOS7与CentOS6的命令有些不同，会一些常用命令是必备，每次开机或启动解压安装授权都是最基本的知识，其它的可以暂时不用学。

CentOS中安装java环境

下载对应32或64位jdk，设置好JDK环境变量PATH，具体的配置可自行Google。

环境准备

修改机器名,每个系统中都要修改成这样。

打开终端，切换到root用户下修改机器名称。

$ sudo su

$ vim /etc/sysconfig/network

在其中添加“HOSTNAME=H32”

添加每个服务器IP对应的机器名

三个ip地址都添加到各自的/etc/hosts文件中

每个系统中都要修改成这样

关闭SELinux

SSH设置

进入H30，查看ssh是否安装,如果有，继续，没有安装下。

关于ssh的安装参考 ：

如何实现两台服务器间无密码的传输数据和操作

时间服务器安装

这里需要安装时间服务器，其他的服务器通过这个来进行多机器时间的同步，分布式部署时机器时间不一致会导致数据错误或组件内通讯错误。

安装httpd服务

httpd是Apache超文本传输协议(HTTP)服务器的主程序。被设计为一个独立运行的后台进程，它会建立一个处理请求的子进程或线程的池。

安装yum-utils

准备资源和环境

下载Centos 7.2 的iso安装镜像，jdk1.8 for Linux压缩包，hadoop2.7.3压缩包（本来用hadoop3，发现后面不兼容hive的最新版本）

Java基础知识

由于Hadoop框架源码都是以java来写，因此最好都以java作为开发的最佳语言，虽然说有些用C#做了封装，但性能已大打折扣。（这就是为什么说Java的学大数据有很大的优势，其它语言的还需要重新学习Java）

Eclipse IDE使用

Linux和Windows下源码编译技术

还有最重要的是你的网速要好，因为安装过程中会下载依赖包，网不好会卡到你怀疑人生。

最后还需要有耐心，每台机子的环境都不一样，而且每个人下载的包的版本也有可能不一样 会导致各种问题，此时就需要耐心的去看日志，不停的尝试和仔细的对比安装步骤，可能就是少了个变量 或大小写错误或是要重启。

更多IT知识，IT行业最新资讯：

高薪就业、500万就业基金等你拿：http://ujiuye/zt/jycj/?wt.bd=wt201703

优就业官网：http://ujiuye/?wt.bd=wt201703

现在很多人想学习大数据，其中不乏零基础的人，但是对于零基础培训大数据是否靠谱比较担心，因为大数据是有学习门槛的。那么学习大数据需要有基础吗，零基础培训大数据可行吗？

今天就来分下0基础培训大数据是否靠谱。

首先可以肯定的是，零基础培训大数据是靠谱可行的。

从目前光环大数据的最新一期的毕业学员的情况就可以看出，其中有不少并不是计算机专业，但是他们参加培训后还是可以顺利的就业。

下面再来聊一下零基础培训大数据该学什么。

阶段一：JavaSE开发

阶段二：JavaEE开发

阶段三：并发编程实战开发

阶段四：Linux精讲

阶段五：Hadoop生态体系

阶段六：Python实战开发

阶段七：Storm实时开发

阶段八：Spark生态体系

阶段九：ElasticSearch

阶段十：Docker容器引擎

阶段十一：机器学习

阶段十二：超大集群调优

阶段十三：大数据项目实战

以上是从零基础学习大数据开发的学习内容，对于有java基础的学员可以根据情况跳过java阶段的学习。

最后想说的是，零基础参加大数据培训是靠谱的，只要你摆正态度，调整好心态，认真学习，一定可以学会大数据的。

Java：大家都知道Java的方向有JavaSE、JavaEE、JavaME，学习大数据要学习那个方向呢?

只需要学习Java的标准版JavaSE就可以了，像Servlet、JSP、Tomcat、Struct、Spring、Hibernate，Mybites都是JavaEE方向的技术在大数据技术里用到的并不多，只需要了解就可以了，当然Java怎么连接数据库还是要知道的，像JDBC一定要掌握一下，有同学说Hibernate或Mybites也能连接数据库啊，为什么不学习一下，我这里不是说学这些不好，而是说学这些可能会用你很多时间，到最后工作中也不常用，我还没看到谁做大数据处理用到这两个东西的，当然你的精力很充足的话，可以学学Hibernate或Mybites的原理，不要只学API，这样可以增加你对Java操作数据库的理解，因为这两个技术的核心就是Java的反射加上JDBC的各种使用。

Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。

·好说完基础了，再说说还需要学习哪些大数据技术，可以按我写的顺序学下去。#

Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapReduce和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。YARN是体现Hadoop平台概念的重要组件有了它大数据生态体系的其它软件就能在hadoop上运行了，这样就能更好的利用HDFS大存储的优势和节省更多的资源比如我们就不用再单独建一个spark的集群了，让它直接跑在现有的hadoop yarn上面就可以了。其实把Hadoop的这些组件学明白你就能做大数据的处理了，只不过你现在还可能对”大数据”到底有多大还没有个太清楚的概念，听我的别纠结这个。等以后你工作了就会有很多场景遇到几十T/几百T大规模的数据，到时候你就不会觉得数据大真好，越大越有你头疼的。当然别怕处理这么大规模的数据，因为这是你的价值所在，让那些个搞Javaee的php的html5的和DBA的羡慕去吧。

·记住学到这里可以作为你学大数据的一个节点。

Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。

Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。

Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。

Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。有的人说Pig那?它和Pig差不多掌握一个就可以了。

Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。

Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。

Kafka：这是个比较好用的队列工具，队列是干吗的?排队买票你知道不?数据多了同样也需要排队处理，这样与你协作的其他同学不会叫起来，你干吗给我这么多的数据(比如好几百G的文件)我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不再抱怨了马上灰溜溜的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方(比如Kafka)的。

Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。

·会这些东西你就成为一个专业的大数据开发工程师了，月薪2W都是小毛毛雨

后续提高：当然还是有很有可以提高的地方，比如学习下python，可以用它来编写网络爬虫。这样我们就可以自己造数据了，网络上的各种数据你高兴都可以下载到你的集群上去处理。

最后再学习下推荐、分类等算法的原理这样你能更好的与算法工程师打交通。这样你的公司就更离不开你了，大家都会对你喜欢的不要不要的。

随着互联网IT行业的发展，越来越多的人选择入坑互联网，大数据开发工程师是一个很好的选择。

大数据是什么意思？

大数据分析是指对规模巨大的数据进行分析。大数据可以概括为5个V， 数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值（Value）、真实性(Veracity)。 大数据分析师：简单的来讲是一群能通过数据分析技术和方法从海量数据里面挖掘和找出数据潜在价值或商业价值的人。

大数据分析师秉承着总结凝练最先进的商业数据分析实践为使命，明晰各类数据分析从业者的知识体系为职责。本课程就是为了这个目标而量身订做的。旨在加强全球范围内正规化、科学化、专业化的大数据及数据分析人才队伍建设。旨在全面培养能在互联网、零售、金融、电信、医学、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才。

但是很多没有基础的同学都会选择先去培训机构培训，今天容大教育小编先来给大家讲一下零基础学习大数据可以学会吗。

近年来，随着互联网的迅猛发展，大数据以爆炸方式增长，数据量已经从TB级别跃升到PB乃至ZB级别。（1TB=1024GB1PB=1024TB，1EB=1024PB）全球数据总量增长率将维持在50%左右；到2020年，全球的数据总量将达到40ZB。随着一系列政策的出台，大数据国家战略正在加速落地，大数据产业发展机遇空前。

现在许多传统行业的人士包括大学生群体多数瞄向了IT产业，如web全栈、人工智能、云计算等，在了解大数据培训课程期间也在担忧大数据会不会太难，自己没有基础能不能学会等疑问，那么下面给大家分析一下。

一、学习大数据培训课程是否有难度？

对于陌生领域通过学习掌握都是有难度的，就好比打新款游戏也一样，刚开始我们也总是操作不当，大数据也一样，刚开始我们要学习其语言、语法，因为他是计算机语言，需要一定的时间适应、摸索，等我们掌握基础之后就会感受到它的乐趣。

二、零基础是否能学会大数据培训课程

我们不得不承认，所有在职的大数据工程师、大数据讲师都是从零基础开始的，我们获取技术也是从职高院校、大学学各行各业的技术循序渐进开始的，那么大数据也一样，可以通过自学或者选择培训机构的方式选择进行学习，大多数培训机构在大数据培训课程设计上都是针对零基础由浅到深进行设计教学模块，培训机构的使命也是如此，通过自己的教学团队把技术传授给想学习的童鞋，不然培训机构便失去了其存在的意义。

因此，零基础是可以学会并且也可以学好大数据培训课程的，需要强调的一点是，进了培训机构并不意味着我们可以高枕无忧，依然需要我们拿出100%的精力刻苦研读，不断实践操作才会有长足的进步。

以上就是容大教育大数据在线学习小编给大家分享的文章，希望对小伙伴们有所帮助。

“未来，数据将会像土地、石油和资本一样，成为经济运行中的根本性资源。”

— 《大数据时代》美国.维克托·舍恩伯格

“大数据蕴藏大机会。”—IBM

“我们正在迎来大数据时代。” —马云

“我们不知道世界怎么变，我们能做的就是自己扑到这股浪潮中去。” —平安马明哲

大数据1.0时代,社会大数据成就了Google，yahoo，百度

大数据2.0时代,消费大数据造就了亚马逊，Ebay ，阿里巴巴，腾讯

大数据3.0时代，你如何掌握应用，创造新的商业机会？

大数据零基础实战教程给你的就是 把握时代脉博，掌握大数据时代前沿；使学员能在较短的时间内理解大数据分析的真实价值，使学员能有一个快速提升成为兼有理论和实战的大数据分析师，从而更好地适应当前互联网经济背景下对大数据分析师需求的旺盛的就业形势。从入门知识学起的课程体系设计和面向大数据分析师的培训理念，引导学员一步步深入学习，适合零基础学员从零学起。

那你还等什么？赶紧学起来吧！

时代需要什么样的人才？

随着大数据时代的崛起，你是否已经意识到你的人生中也迎来了一个重要的转机？能不能抓住这个时代的机遇，就在于你对大数据信息的应用和获取。而如何成为大数据时代的弄潮儿，掌握当下最紧缺的软件和实战技能是关键！

谷歌、阿里巴巴、百度、京东都急需掌握大数据技术的人才！无论你精通大数据的哪一项类，都将在未来职场脱颖而出！

什么是 R 语言？

R 语言是现在最被看好的、拥有高排名、发展最快的编程语言之一。

R 语言具有以下 优势：

R 语言是一款开源软件，使用者可以随意改变源码；

R 语言可以运行在多个平台上；

R 语言可以轻松地导入各种不同类型的数据；

R 语言内置了多种统计学及数据分析功能；

R 语言拥有顶尖的绘图功能。

什么是 Rattle？

Rattle 是一个基于数据挖掘 R 语言的图形交互界面，可用于快捷的处理常见的数据挖掘问题。Rattle 包里还提供了非常多的统计量，可以说包括了数据的整理和后续的模型评价。作为一个可视化工具，Rattle 也可以创建一些非常基础的面积图（barplot），折线图，箱线图，直方图。但 Rattle 包最大的优点是它不需要你写脚本（编程会成为一些文科生的障碍），总之是一个易学易用非常强大的工具。

首先，这个问题是我之前在知乎上回答过的一个问题。问题拿到今天来看，仍然非常具有代表性。想必，这个女生所问的问题也是许多网友们的共性问题，那么，我们就这个问题展开探讨，来揭秘你所不知道的大数据或互联网等IT研发工程师的世界。

IT行业当前待遇

首先，介绍一下大数据或IT行业为什么这么吸引年轻人入行？就拿刚刚过去的2017年的高校毕业生的秋招情况来说，以一线互联网城市为例，随便列举一下我所知道的薪资待遇情况：

美团 web前端开发，不区分本硕，白菜价月薪14.5k，第一年年薪预计25w左右华为研发工程师，白菜价14k(也有即极少数非核心研发不到这个工资，例如安全工程师，很难说能否算入研发行列)，一年发12个月基本工资，第一年2-4个月年终奖，还有额外你一个月的月末加班补贴。预计第一年年薪25W左右去哪儿网研发工程师，白菜价11k，一年发17个月工资，预计年薪20W左右；京东研发工程师，白菜价14k月薪，一年发13个月工资，预计第一年年薪将近20W;除此之外，互联网巨头BAT的薪资待遇，第一年的年薪也大概25W左右。但是相反，很多外包型软件公司的待遇却相差得差很多，例如上市公司华宇的子公司——华宇信息这个专门做电子政务的公司，在北京的月薪大致8400，几乎没有多少年终奖，预计年薪10W多一点。我们简单列举上述几个例子，从这里面我们能够看到，从事传统软件行业和新兴的互联网行业的薪资差距十分巨大，这也映射出来，从事劳动密集型的外包型软件研发的待遇并没有比其他传统产业高特别多。也反映出IT从业人员的两级分化特别严重：顶层需求不足，底层又人员过剩。小编最终也听说过很多从事IT行业的人还没到中年，到了30岁所有就开始转行不再继续做IT方面的工作了。

为什么转行IT

这个问题可能比较尖锐，因为很多搞IT，互联网的人当初也不知道为什么就选择了这一行。有的是为了好找工作，有的就是当初大学学的就是本专业，还有的是出于真正的兴趣，也有的是被人带入“坑”了...

凡此种种，不一而足。但是，对于想要转行到IT行业的人来讲，或许更多的都是在乎想要找一个好的工作，想要提高薪资待遇。

那么，对于这种情况，我要提醒一下，IT圈并没有想象中的那么轻松，“钱多，话少，死得早”是一句IT圈从业者最广为人知的自嘲。在如IT圈之前，也要充分考虑到自己的个人兴趣爱好，以及家庭是否能够理解某些时候的加班情况。

因为，IT界，尤其是互联网行业，产品的更迭速度特别快，有的时候为了赶项目进度，不得不采取加班的措施，这是在所难免的事情。

多数答主的倾向

笔者在知乎上看到这个问题，多数的答主都是持反对意见的。笔者作为一名专业的互联网从业者，从事的是大数据研发，认为很多答主的意见确实很中肯。因为，文科出身底子薄，要学习的东西很多，一时难以吃得开，如果是工作后转行，甚至可能还要面临脱产学习的尴尬。

但是，笔者认为，如果您是一个非常感兴趣互联网这样产品的人，可以抱着试一试的心态先在网上听一下在线课程，选好自己的业务方向。其实，很多具体的业务场景，也不会涉及到太广泛的知识面，只不过，如果一直依靠繁重的编代码工作，到了30岁之后，体力跟不上了，很容易提前陷入中年危机。

不妨换个角度

从事互联网，IT行业，不一定就非得做研发。尤其是女生，可以尝试着从产品经理，HR等做起。女生在产品经理的工作上，相比男生是很有优势的。而且，从目前情况来看，从事产品经理等非研发行业的薪资水平也不低，大致能有同类研发工程师的70%薪资待遇。当然，劳动也没有码农那么大。不过，要想从事产品经理等外围职位，一定要有一个良好的交流能力，沟通技巧，否则做业务会很吃力的。

几点期望

无论能否从事互联网、IT行业，多学习一点互联网知识，技能在当前社会是十分有必要的。世上没有什么难事，难的在于你肯不肯付出，肯不肯舍弃。从零基础到能够顺利入职的路途是艰难的，但是，这条路还是能走的。笔者见过一个本科学习化学，博士和硕士学习医学的人，毕业之后从事互联网研发工作。虽然他是理工科出身，要比文科出身容易得太多。但是，从侧面也展现出来了，互联网，IT行业是一个开放包容的环境，只要有技术，有能力，这扇大门一直是敞开的。

大数据，已经是目前最火的IT名词。

许多人想学习却无从下手，作为一个IT攻城狮，我分享一下学习心得体会。

首先摆正姿态，不就是零基础吗？

不用慌，我也就从零基础过来的。

下面给你们分享大数据九点需要学习的必经之路，助你早日打通奇经八脉，年薪更上一层楼。

第一，Linux系统

Linux系统的安装及常用命令的使用Vim编辑器的基本操作与高级应用RPM软件包管理、YUM仓库配置、源码包的安装Linux用户与组管理、Linux文件权限管理特殊权限SUID、SGID、Sticky Bit权限以及ACL权限Linux磁盘管理、文件系统管理、RAID阵列、LVM卷管理Linux进程管理、Cron与At计划任务、Linux系统引导过程Linux备份策略、引导故障排除

第二，网络系统

DHCP、NTP服务器的配置NFS、Samba、Vsftpd文件共享服务的配置PXE+Kickstart无人值守安装环境部署DNS服务器的搭建（主从、缓存、子域授权、DNS视图、事务认证）

第三，shell脚本编程

Shell基础、变量的赋值和调用条件测试、运算符、编写Shell脚本流程控制（分支结构、循环结构、选择结构、控制指令）定义Shell函数、数组、函数的递归调用正则表达式的应用实践expect交互式任务通信详解sed与awk详解

第四，MySQL数据库

数据库服务软件简介、MySQL的优点、搭建MySQL数据库服务器MySQL数据库/数据表操作、SQL查询语句(单表查询、多表查询)MySQL数据库存储引擎、数据库索引类型、表结构、数据导入导出密码恢复及设置、用户权限管理及撤销常用MySQL管理工具数据库备份与恢复、数据库增量备份（mysqldump、xtrabackup）MySQL 主从复制+读写分离MySQL集群配置、MySQL-MMM配置MySQL性能调优

先从基础并且常用的mysql数据库开始学，最后慢慢延伸到oracle和sql server。

第五，高级服务

Squid缓存机制、基本代理配置、ACL访问控制CDN分发技术原理、Squid反向Web加速应用高性能HTTP加速器VarnishWeb前端加速（HAProxy+Varnish）Nginx配置优化、反向代理应用、LNMP平台构建及应用部署Nginx防盗链、Apache与Nginx的对比、rewrite以及压力测试Web后端加速及Session共享（LNMP+Memcached）

第六，监控

系统和网络监控概述基本监控工具（sar、mpstat、iptraf等）SNMP协议原理、SNMP配置及查询Cacti与Nagios的安装、配置及高级应用Zabbix工作原理及配置

主要学习zabbix，现在用的最多的就是zabbix监控。

第七，集群和存储及虚拟化

IP SAN和FC SAN原理及实施LVS和HAProxy负载平衡集群原理、调度算法分析Keepalived高可用集群、LVS+Keepalived整合RHCS高可用集群高级应用LAMP、Apache虚拟主机、AWStats日志分析、Discuz!论坛搭建Postfix邮件服务器的搭建、SMTP发信认证、Webmail及管理平台Rsync+Crontab实现文件备份同步、网站镜像KVM虚拟化平台构建、virsh虚拟机管理、虚拟机快速重建

第八，Python开发

Python基础Python对象及基础数据类型Python高级数据类型Python流程控制文件和输入输出错误和异常处理函数和函数式编程模块化编程方法面向对象编程Python网络编程

这个牛逼的程度我也不介绍。学会这个，你要知道的是，你的工资不在是月薪，而是按小时算钱的。

第九，OpenStack云计算平台

这已经是最顶级的层次了

OpenStack平台的架构介绍、安装部署、Horizon管理界面安装配置Qpid消息中间件服务安装配置并验证Keystone身份认证服务安装配置Swift对象存储服务、安装Glance镜像服务、导入系统镜像安装并管理Cinder块存储服务OpenStack平台的网络服务安装、配置及管理安装Cloud Controller控制器Nova计算节点的安装/添加/删除、从命令行加载实例安装配置Heat自动配置服务安装和管理Ceilometer计量监控服务

IT的队伍，欢迎你来。