大数据是什么，好学吗？

你好，很高兴回答你的问题。

很多想入门大数据的朋友，内心都会有这样的疑问：大数据好学吗？我能学好吗？在选择大数据之前，我们先来看看大数据发展前景如何。

大数据作为一个全新互联网的产业，大数据仍然处于快速发展初期，在这个快速发展的领域，每时每刻都在产生新的事物。从整体发展角度评价，大数据行业的未来将呈现直线上升发展趋势。各企业对于大数据人才的需求大，但目前大数据专业人才少，薪资高，可以说就业前景是非常乐观的。

大数据这个专业，说实话，其实是存在一定难度的，它对学习者的思维逻辑能力要求比较高，如果没有一定基础的话，可能你就要花费比别人多的时间去学习，其实在接触任何新领域的时候，如果没有什么基础，学习什么都不容易。但是如果你坚定了想法，想要进入这个行业，那么，你可以去找一个靠谱的学校进行系统专业的学习。大数据这个专业，需要进行专业化的学习，而且学习的最终目的其实都是为了就业，所以除了掌握基本的理论以外，还应该多做项目实训，多多实践。自身的自觉学习和持续学习是很重要的，毕竟这个时代更新换代的速度非常快，需要保持学习。毕竟与之对应的是高薪好前景，要回报首先就得有付出。

在南京的朋友可以来安德门这边的中博看看，有个大数据学院还是蛮不错的，当然了，适合自己的才是最好的，建议多实地考察。

好不好学很容易回答。先要搞清楚为什么要学习大数据专业。作为大学毕业4年的职场人，建议你从下面这几方面考虑：

1、你喜欢这个专业吗，你的兴趣爱好是它吗。有兴趣就很容易学。

2、你能投入多少时间去学习。如果时间足够，就去学习。没有难学的专业，只有苦逼的行业。

3、问问自己的内心，为什么想学习这个专业。出于热爱？出于家庭？出于热门？

出于热爱和家庭的话，学起来很容易。很好学。

出于热门的话，就没那么好学了。

经济学中讲到，供求关系影响着难易程度。热门专业学习人多，竞争对手的实力也很强，最后运用的时候会变得困难。因为这个专业工资高就学习，那就大错特错了。中国有句古话，十年河东十年河西。看看近10年的互联网发展，就能知道。曾经被人看不起的专业现在都很挣钱，比如路边修自行车的大爷，再比如30年前的兽医。不可否认大数据很热门，但是与其投身大数据，还不如投身区块链，学学密码学，学学开发，学学数学。都是技术学习，交集非常多。

不要追风，自己喜欢的专业，怎么学都容易。不喜欢的怎么学都难受。

如果你问出这个问题，证明你对这个领域基本没有感知，这是一个好事情，就像张无忌学习太极剑法:

张三丰教张无忌学太极剑法:张无忌看了一遍，忘了一小半;过了一会儿忘了一大半;到第二遍上，张无忌还有三招没忘记;等他再经沉思回味，终于忘得干干净净之时，张三丰才满意的让他出战。

当你对一个事物完全不了解的时候，你的进步是最大的，然后你才会一点点的把这本书读厚，再一点点的读薄，大数据也是这样的，非要讲它是什么？我说他是水果，大家多说水果好吃，谁也不知道水果是什么？等我拿一个苹果放到你面前，你才会说这就是水果啊。如果你对大数据感兴趣，去参加一下一些大数据项目或者大数据比赛，然后你会对这个问题有新看法。没有好与不好学，只有开没开始学！

1.了解大数据理论

要学习大数据你至少应该知道什么是大数据，大数据一般运用在什么领域。对大数据有一个大概的了解，你才能清楚自己对大数据究竟是否有兴趣，如果对大数据一无所知就开始学习，有可能学着学着发现自己其实不喜欢，这样浪费了时间精力，可能还浪费了金钱。所以如果想要学习大数据，需要先对大数据有一个大概的了解。

2.计算机编程语言的学习。

对于零基础的朋友，一开始入门可能不会太简单。因为需要掌握一门计算机的编程语言，大家都知道计算机编程语言有很多，比如：R，C++，JAVA等等。目前大多数机构都是教JAVA，我们都知道Java是目前使用最为广泛的网络编程语言之一。他容易学而且很好用，如果你学习过C++语言，你会觉得C++和Java很像，因为Java中许多基本语句的语法和C++一样，像常用的循环语句，控制语句等和C++几乎一样，其实Java和C++是两种完全不同的语言，Java只需理解一些基本的概念，就可以用它编写出适合于各种情况的应用程序。Java略去了

运算符重载、多重继承等模糊的概念，C++中许多容易混淆的概念，有的被Java弃之不用了，或者以一种更清楚更容易理解的方式实现，因此Java语言相对是简单的。

在学习Java的时候，我们一般需要学习这些课程： HTML&CSS&JS，java的基础，JDBC与数据库，JSP java web技术， jQuery与AJAX技术，SpringMVC、Mybatis、Hibernate等等。这些课程都能帮助我们更好了解Java，学会运用Java。

3.大数据相关课程的学习。

学完了编程语言之后，一般就可以进行大数据部分的课程学习了。一般来说，学习大数据部分的时间比学习Java的时间要短。大数据课程，包括大数据技术入门，海量数据高级分析语言，海量数据存储分布式存储，以及海量数据分析分布式计算等部分，Linux，Hadoop，Scala, HBase, Hive, Spark等等专业课程。如果要完整的学习大数据的话，这些课程都是必不可少的。

大数据是指在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据科学技术。大数据好学吗？真的是很不好学，1.学英语。2.学架构。3.学开发和分析。每个方向都对基础要求比较高，对数据、可视化、前端、分析模型和数学等，都有一定的要求。常用软件以及编程语言如下1.MongoDB 2.ApacheHBase 3.1R 4.Python 5.Scala 6.SQL 7.RapidMiner 8.Weka 9.TensorFlow 10.Docker&Kubernetes等等等，，，，总结来说就是有点废头发，容易秃顶。

1.了解大数据理论

要学习大数据你至少应该知道什么是大数据，大数据一般运用在什么领域。对大数据有一个大概的了解，你才能清楚自己对大数据究竟是否有兴趣，如果对大数据一无所知就开始学习，有可能学着学着发现自己其实不喜欢，这样浪费了时间精力，可能还浪费了金钱。所以如果想要学习大数据，需要先对大数据有一个大概的了解。

2.计算机编程语言的学习。

对于零基础的朋友，一开始入门可能不会太简单。因为需要掌握一门计算机的编程语言，大家都知道计算机编程语言有很多，比如：R，C++，JAVA等等。目前大多数机构都是教JAVA，我们都知道Java是目前使用最为广泛的网络编程语言之一。他容易学而且很好用，如果你学习过C++语言，你会觉得C++和Java很像，因为Java中许多基本语句的语法和C++一样，像常用的循环语句，控制语句等和C++几乎一样，其实Java和C++是两种完全不同的语言，Java只需理解一些基本的概念，就可以用它编写出适合于各种情况的应用程序。Java略去了

运算符重载、多重继承等模糊的概念，C++中许多容易混淆的概念，有的被Java弃之不用了，或者以一种更清楚更容易理解的方式实现，因此Java语言相对是简单的。

在学习Java的时候，我们一般需要学习这些课程： HTML\u0026CSS\u0026JS，java的基础，JDBC与数据库，JSP java web技术， jQuery与AJAX技术，SpringMVC、Mybatis、Hibernate等等。这些课程都能帮助我们更好了解Java，学会运用Java。

3.大数据相关课程的学习。

学完了编程语言之后，一般就可以进行大数据部分的课程学习了。一般来说，学习大数据部分的时间比学习Java的时间要短。大数据课程，包括大数据技术入门，海量数据高级分析语言，海量数据存储分布式存储，以及海量数据分析分布式计算等部分，Linux，Hadoop，Scala, HBase, Hive, Spark等等专业课程。如果要完整的学习大数据的话，这些课程都是必不可少的。

大数据作为时下火热的IT行业的词汇，随之而来的数据开发、数据仓库、数据安全、数据分析、数据挖掘等等围绕大数据的商业价值的利用逐渐成为行业人士争相追捧的利润焦点。随着大数据时代的来临，大数据开发也应运而生。

2018年一线城市大数据开发岗位年薪30W起，与人工智能、云计算以及电商、旅游、物流等行业的对接将更加深入，发展方向也更加广泛。

大数据开发其实分两种，第一类是编写一些Hadoop、Spark的应用程序，第二类是对大数据处理系统本身进行开发。第一类工作感觉更适用于data analyst这种职位吧，而且现在Hive Spark-SQL这种系统也提供SQL的接口。第二类工作的话通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发。这种工作的话对理论和实践要求的都更深一些，也更有技术含量。

大数据开发学习路线如下：

阶段一：Linux\u0026Hadoop生态体系基础知识、原理

Linux体系、Python编程语言核心用法、Hadoop离线计算原理、分布式数据库Hbase、数据仓库Hive、Flume分布式日志采集、zookeeper全局分布式锁、kafka分布式发布-订阅消息系统、spark分布式计算框架。

阶段二：分布式计算框架和Spark\u0026Strom/flink生态体系

（1）分布式计算框架优化与实战

Scala编程语言核心用法、Spark（sql、shell）大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习）大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、hive数仓实战、hbase实战。

实战一：数据采集业务 + flume

实战二：kafka + sparkstreaming实时数据处理

实战三：推荐系统（完整流程）+ 工程

（2）Storm/flink技术架构体系

Storm/flink原理、基础、调优 消息队列kafka、Redis工具、zookeeper详解

实战一：LogServer

实战二：storm/flink + zookeeper

实战三：hbase+zookeeper

阶段三、数据挖掘与机器学习

结巴+隐马尔科夫、维特比算法+userCF、spark实现userCF+itemCF+LR+商品预测、决策树+随机森林+GBDT、支持向量机SVM、神经网络与深度学习、word2vec + lstm、als算法、kmeans + spark应用 + 交叉特征、贝叶斯 + 新闻分类 + saprk应用。

所以，前景非常好，也是未来很火的岗位，至于好不好学，你品，你仔细的品。

从现在的大环境来看，大数据是一个很好的转型机会。

大数据属新兴领域，全球人才约30万，而市场需求在100万量级，专业人才比较缺乏，高端人才更是企业争抢的对象。薪资上升容易，职业发展潜力巨大。随着人工智能的爆发，还会有大量企业进入大数据领域，中国IT环境将重新洗牌，这是程序员们转型可遇而不可求的机遇。

处于行业风口的大数据，岗位溢价让人咋舌，普通的大数据工程师在全国的平均薪资是20910元/月，在一线城市的起薪更高。

中国大数据产业进展显著

过去几年，大数据理念已经深入人心，“用数据说话”已经成为所有人的共识，数据也成了堪比石油、黄金、钻石的战略资源。五年来，我国大数据产业政策日渐完善，技术、应用和产业都取得了非常明显的进展。

1、在政策方面，我国从中央到地方的大数据政策体系已经基本完善，目前已经进入落地实施阶段。自从2014年“大数据”这个词写入政府工作报告以来，我国大数据发展的政策环境掀开了全新的篇章。在顶层设计上，国务院《促进大数据发展行动纲要》对政务数据共享开放、产业发展和安全三方面做了总体部署。《政务信息资源共享管理暂行办法》《大数据产业发展规划(2016-2020)》等文件也都已经出台。十九大报告中提出“推动大数据与实体经济深度融合”，“十三五”规划中提出“实施国家大数据战略”。

卫健、农业、环保、检察、税务等部门还出台了领域大数据发展的具体政策。截至2019年初，所有省级行政区都发布了大数据相关的发展规划，十几个省市设立了大数据管理局，8个国家大数据综合试验区、11个国家工程实验室启动建设。可以说，大数据的政策体系已经基本搭建完成，目前已经纷纷进入落地实施甚至评估检查阶段。

2、在技术方面，我国大数据技术发展属于“全球第一梯队”，但国产核心技术能力严重不足。我国独有的大体量应用场景和多类型实践模式，促进了大数据领域技术创新速度和能力水平，处于国际领先地位。在技术全面性上，我国平台类、管理类、应用类技术均具有大面积落地案例和研究;

在应用规模方面，我国已经完成大数据领域的最大集群公开能力测试，达到了万台节点;在效率能力方面，我国大数据产品在国际大数据技术能力竞争平台上也取得了前几名的好成绩;在知识产权方面，2018年我国大数据领域专利公开量约占全球的40%，位居世界第二。但我国大数据技术大部分为基于国外开源产品的二次改造，核心技术能力亟待加强。例如，目前国内主流大数据平台技术中，自研比例不超过10%。

3、在产业方面，我国大数据产业多年来保持平稳快速增长，但面临提质增效的关键转型。2018年，我国大数据产业延续多年来的增速，继续保持相对高速的增长。

据前瞻产业研究院发布的《中国大数据产业发展前景与投资战略规划分析报告》统计数据显示，2015年我国大数据产业规模已达2800亿元。截止至2017年我国大数据产业规模增长至4700亿，同比增长是30.6%。初步测算2018年我国大数据产业规模达到5400亿元左右，同比增长15%。预测在2020年我国大数据产业规模将突破万亿元。然而，综合国内外环境、新兴技术发展等多种因素，大数据产业的增速出现了下滑。我国的大数据产业也面临着从高速发展向高质量发展的关键转型期。

2015-2020年我国大数据产业规模统计情况及预测

数据来源：前瞻产业研究院整理

4、在应用方面，大数据的行业应用更加广泛，正加速渗透到经济社会的方方面面。随着大数据工具的门槛降低以及企业数据意识的不断提升，越来越多的行业开始尝到大数据带来的“甜头”。无论是从新增企业数量、融资规模还是应用热度来说，与大数据结合紧密的行业正在从传统的电信业、金融业扩展到政务、健康医疗、工业、交通物流、能源行业、教育文化等，行业应用“脱虚向实”趋势明显，与实体经济的融合更加深入。

未来三年中国大数据产业将呈现四大发展特点

未来三年，是我国大数据发展转型的重要机遇期。大数据的发展本身也呈现着一些趋势。在我看来，未来三年大数据行业有可能会呈现出如下特点：

1、大数据新技术继续快速发展

未来大数据技术将会沿着工具平台云化部署、多业务场景统一处理、专有高性能硬件适配几个方面进行突破。目前大数据技术工具的主要应用模式为应用企业在自建机房内独立部署，其存在资源浪费、弹性能力不足、管理复杂等缺点，这些缺陷可以通过基于云计算技术的云化部署方案解决，助力大数据技术工具的快速落地和应用;同时大数据技术工具主要瞄准的是分析型业务场景，但随着电子商务以及智能终端的爆发性发展，转账、计费等事务型业务场景也需要大数据处理能力，所以未来的多业务场景统一处理技术将会得到充分发展;最后由于GPU/TPU等专用硬件的发展，此类专用硬件能够助力某些大数据技术进行突破性升级，所以对新型硬件的适配成为很多大数据企业未来研发计划的重点。

2、数据流通共享将迎来关键突破

这些年，推动数据开放共享的政策举措一直在加强，然而效果与预期还有差距。可以说，技术手段将是数据流通共享瓶颈突破的关键。未来三年，随着同态加密、差分隐私、零知识证明、量子账本等关键技术的性能提升和门槛降低，随着区块链、安全多方计算等工具与数据流通场景进一步紧密结合，数据共享和流通将有望再前进一大步。

3、数据服务合规性将成为行业关注重点

近两年来，随着欧盟《通用数据保护条例》(GDPR)的颁布和正式实施，个人信息保护的重视程度被提到了前所未有的高度。GDPR对数据主体的权利规定细致入微，其“数据可携权”“被遗忘权”等方面的规定可能会对我国数据立法带来一定的参考。对我国企业来说，数据服务合规性的重要程度进一步提升，将对企业业务开展带来重大影响。目前中国信息通信研究院正在着力推动的“可信数据服务”计划也正是契合了行业的这一需求。

4、数据资产管理重要性将进一步提升

随着大数据应用进入深水区，企业将越来越重视数据资产管理方法论体系建设——即从架构、标准、研发、质量、安全、分析到应用的统一，从而实现技术到业务价值的转化和变现。未来三年，数据资产管理将仍是企业数据部门面临的难点与挑战。即使是领先的科技型企业，在数据资产管理这一课题上仍在不断探索新的方法，如全链路智能管理体系、数据资产的贡献度、数据基线度量与质量规范的工具化、可视化等。

想学这个其实并不难，前期你可以自己注册一个百度推广账户，不懂操作的话，可以去百度营销网站去学习一下，那里面有很多关于百度推广的实操和理论知识非常的全面，包括关键词的整理思路，创意撰写的精髓，如何出价，怎样修改匹配模式，而且自己注册一个百度推广账户是免费的，你可以在后台 边操作边学习。

大数据是指在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据科学技术。大数据好学吗？真的是很不好学，1.学英语。2.学架构。3.学开发和分析。每个方向都对基础要求比较高，对数据、可视化、前端、分析模型和数学等，都有一定的要求。常用软件以及编程语言如下1.MongoDB 2.ApacheHBase 3.1R 4.Python 5.Scala 6.SQL 7.RapidMiner 8.Weka 9.TensorFlow 10.Docker\u0026Kubernetes等等等，，，，总结来说就是有点废头发，容易秃顶。

看个人兴趣吧，十几年前电脑专业也很火。没有所谓的冷门或热门专业，干好了都能成功

大数据是未来的发展方向之一，比如目前很火的人工智能，需要大数据作为支持，人工智能需要依赖大数据平台和技术来帮助完成深度学习进化。此外，随着信息产业的迅猛发展，大数据应用逐渐落地，行业人才需求量也在逐年扩大。大数据成为目前最具前景的高薪行业之一，大数据分析、大叔就开发等大数据人才成为市场紧缺型人才，薪资水平也水涨船高。大数据人才需要一定的技术性，高校培养出来的人才和企业所需的人才严重不符，导致大数据人才奇缺，因此一个熟练的大数据技术工程师，很受用人单位的重视。大数据的未来发展前景还是很值的期待的。从市场人才需求来看，大数据行业人才缺口大，从业者相对较少，企业对人才求贤若渴，所以，就业机会还是比较多的，越早进入行业优势也越大。从行业薪资来看，大数据也是IT行业中比较高薪的职业之一，2018年一线城市大数据开发人才月薪资15-20k，根据某招聘网站数据，2019年上半年AI\u0026大数据领域后端开发人员企业平均月薪29k+。

大数据行业提供的岗位也是比较丰富的，从就业方向来看，大致有：大数据开发、系统平台研发和大数据分析。你所提到的大数据工程师也是其中一个岗位，属于大数据开发方向的，这个岗位也是大数据行业人才需求较大的。除了大数据工程师，当然还有很多大数据工作的岗位，如：大数据架构师、大数据运维、大数据仓库管理、大数据分析师、ETL工程师等。

报班学习大数据好不好就业，还是要看个人的学习效果的。一方面是个人的努力程度，是否能够拿出十足的劲头来学习大数据，而且还要有毅力坚持学完；另一方面也要看机构的教学实力，比如师资力量、教学的硬件设施（真实集群服务器）、机构的就业指导能力等等。这其中，个人的努力至关重要，机构的选择也很重要，

大数据真的是很不好学，主要分为三个方向，架构、开发和分析，每个方向都对基础要求比较高，对数据、可视化、前端、分析模型和数学等，都有一定的要求。

任何东西学习起来都是有难易程度的。每个专业都有自己的特点，学起来难与不难取决于教学的老师是否专业，经验足够，个人的学习情况等等因素。

大数据大多数技术都是JAVA写的，所以前期一般会先学JAVA，在慢慢加深大数据内容，如果你是本专业出身的，当然上手更容易一些，如果是小白那种，多花些精力和时间，跟上老师的课程，是不会差太多的。

在这里，对于学习大数据，我们也有几点学习建议：

1.重点掌握大数据体系的架构和原理，比如：分布式存储和计算的思想

2.大数据框架的体系，比如：hadoop，spark等等

3.项目实战，企业更加看重有经验的人，所以，有机会一定要多动手做项目

只要有信心，加上坚持，跟上老师的脚步，学好大数据不是什么难事。

大数据无处不在，比如疫情地图实时数据报告，我们可以看到全国疫情动态、新增确诊或疑似趋势等疫情信息；输入身份证号，即可查询近14日内是否到达过疫情严重地区，是否与确诊患者同乘坐一辆交通工具；利用采集挖掘到的近期车辆轨迹数据，可在应用软件上为运送防疫物资的司机提供优选路线推荐......

很多人对大数据也产生了浓厚的兴趣，也想转行大数据方向，但是不知道该学哪些内容，我给你介绍一下：大数据需要学习哪些技术？1、Java——Java可以编写桌面应用程序、Web应用程序、分布式系统和嵌入式系统应用程序，是大数据学习的基础；2、Linux——大数据开发通常在Linux环境下进行；3、Hadoop——分布式系统基础架构，用户可以充分利用集群的威力进行高速运算和存储；4、Avro与Protobuf——数据序列化系统，可以提供丰富的数据结构类型；5、HBase——分布式的、面向列的开源数据库，是一个适合于非结构化数据存储的数据库；6、ZooKeeper——Hadoop和Hbase的重要组件；7、Hive——基于Hadoop的一个数据仓库工具 ；8、phoenix——用Java编写的基于JDBC API操作HBase的开源SQL引擎；9、Redis——key-value存储系统；10、Flume——高可用、高可靠、分布式的海量日志采集、聚合和传输的系统；11、SSM——Spring、SpringMVC、MyBatis三个开源框架；12、Kafka——一种高吞吐量的分布式发布订阅消息系统；13、Spark——专为大规模数据处理而设计的快速通用的计算引擎 ；14、Scala——大数据开发重要框架的编程语言；15、Azkaban——可完成大数据流任务调度；16、Python与数据分析——可用于数据采集、数据分析以及数据可视化；对于没有基础的人来说，学大数据难吗？如果是计算机专业的学生，学大数据相对来说还是有一定基础的，会比非计算机专业的人士好很多。由于现在各大高校几乎没有大数据专业，想学大数据的话，到计算机培训机构学习效果会更好。而没有任何计算机相关基础的，想要学习大数据，难度还是很高的。因为培训机构的培训学习期一般都是4-6个月，要想在这短短的时间内学有所成，要付出的努力肯定要比别人多非常多！一旦在学习中有怠慢心理，那么培训结束后的学习成果肯定会比别人差很多。

互联网行业前景可期！

大数据专业许多大公司都在发展，前景不错。例如马云大数据，从淘宝后台数据就可以知道每个省份喜欢购买什么，每个人的购买特点。

你是否发展，你在淘宝搜索某一件商品，浏览几次。当你下次再次进入淘宝时，它会为你推荐该类商品！这就是大数据！

比较狭义的来定义一下大数据，在商人眼中大数据就是商机！

学习大数据，机器学习前途无量！

先看看ai强国美国该类人才的需求状况和薪酬待遇:

求职网站 Indeed 的一份报告显示，2015年6月至2018年6月间，包括机器学习工程师在内的人工智能人才招聘数量增长了近100% 。

报告发现，在同一时间段内，Indeed 上搜索这些关键词的比例也增加了182%。 Indeed 产品高级副总裁拉吉•穆克吉(Raj Mukherjee)对 TechRepublic 表示:\"雇主对人工智能人才的需求越来越大。\" \"随着企业继续采用现有的解决方案或开发自己的内部技术，雇主对这些技能的需求可能会继续上升。\"

报告发现，就具体职位而言，94%包含人工智能或机器学习术语的招聘广告都是针对机器学习工程师的。41%的机器学习工程师的职位在发布60天后仍然空缺。 Salesforce Einstein 的数据科学和软件工程副总裁 Vitaly Gordon 告诉 TechRepublic，\"软件正在吞噬世界，机器学习正在吞噬软件。机器学习工程是一门需要高质量编码、博士级机器学习工程师和具有商业智慧负责人的一门学科。找到这些稀有的人才，可以将一家公司从追随者提升为所在领域的领导者，每个公司都在寻找这样的人才。

机器学习工程师的平均工资是多少？

美国机器学习工程师的平均工资是134,449美元。根据来自 Indeed 的数据，就人工智能相关工作而言，它在薪水方面排在第三位，仅次于分析总监（$140,837）和首席科学家（$138,271）。

人工智能和机器学习工程师工作最热门的市场在哪里？

根据Indeed（http://blog.indeed.com/2018/08/23/artificial-intelligence-report/）的数据，几乎12%的人工智能工作岗位都是在纽约找到的。纽约也是美国所有大都市中数据工程师、数据科学家和分析师职位需求最集中的城市，为位于那里的媒体、时尚和银行业中心提供技术支持。

在人工智能工作集中度方面，纽约市排在旧金山(10%)、圣何塞(9%)、华盛顿(8%)、波士顿(6%)和西雅图(6%)之后。 圣何塞的机器学习工程师职位最多，算法工程师、计算机视觉工程师和研究工程师的职位也最多。

中美两国科技方面相似性多，这方面需求也很高，主集中在一二线城市。

最后，人工智能大数据行业主要就业方向:

软件工程师:

你需要掌握计算机科学基础和编程、软件工程和系统设计。

应用型机器学习工程师:

你需要掌握计算机科学基础和编程，应用机器学习算法和库。

核心机器学习工程师:

你需要掌握计算机科学基础和编程，应用机器学习算法和库、数据建模和评估。

希望对大家有所帮助！

更多科技话题讨论，请关注我，多多互动！

随着科技的不断发展与更新，大数据开发技术的使用率逐渐增高，同时，市面上企业对大数据开发人员的需求量也随之增加，致使有很大部分小伙伴想通过学习大数据开发技术，得到高薪就业的机会或改变现在的工作状态。

由于大数据开发是具有复杂性和综合性的编程技术语言，学习大数据开发是需要一定的编程基础和较强的思维逻辑能力，因此对于零基础小伙伴想要学好大数据开发技术是比较困难的，但是小伙伴可以根据自身的基础情况选择适合自己的学习方式。大数据培训对于零基础小伙伴来说，是一个比较靠谱的学习方式，而且还能在学习开发技术知识的过程中积累更多实战经验。

对于初学大数据开发技术的小伙伴来说，想要学好大数据开发技术知识，首当其冲的是要选择一家比较靠谱的且适合自己的大数据培训班，到底什么样的大数据培训班比较好呢，小伙伴又该怎么去选择呢？

1.选择大数据培训之前的准备

小伙伴在选择大数据培训班之前，要搞清楚自己为什么要选择学习大数据开发技术知识，自己对大数据编程感不感兴趣，自己的初衷是什么，是单纯的兴趣爱好还是以就业为目的的技术提升，这些问题都要搞清楚之后，再去理性选择适合自己的大数据培训班。

2.大数据培训课程的筛选

小伙伴在刚开始学习大数据开发技术知识的时候，大数据培训课程内容是否新颖，是否符合企业发展需求是小伙伴在选择课程内容中比较重要的因素，也是小伙伴能否学到比较靠谱和含金量比较高内容的初级保障。

3.教学能力的了解考察

大数据培训班教学能力的强弱是影响小伙伴能否快速入门的重要因素，所以教学能力这一点，是小伙伴在考察了解大数据培训班过程中比较重要的一点。在这个过程中，小伙伴可以通过试学课程来了解考察大数据培训班老师的教学水平与实践能力，从侧面了解整个大数据培训班的真实情况。

4.真实项目案例的练习

小伙伴在考察了解大数据培训班的过程中，要仔细了解课程内真实项目实战案例所占的比重是多少，培训模式什么，不同的培训模式，最后的学习结果是截然不同的。真实项目案例的练习可以锻炼小伙伴在项目开发过程中解决问题的能力。

最后，小伙伴想要系统的学习大数据开发技术，需要自己实地考察了解，选择适合自己的大数据培训班，在培训班学习大数据开发技术知识的过程中，要不断的探索适合自己的学习方法。尚硅谷大数据培训班是一家比较靠谱的线下面授职业培训教育机构，以理论实践相结合的教学方式传授相关的大数据开发技术知识，培训班还有更多相关的大数据视频供小伙伴下载学习！

http://www.atguigu.com/bigdata_video.shtml

主动回答大数据的问题，希望每个人都能有大数据时代的正确行为意识。

大数据，是必然会实现的技术，就跟火车，飞机发展一样，是不可能会因为某些人的疑虑而停止发展的新技术，大数据有利也有弊，是一定的，但是大数据带来的价值，将会远远超过弊的影响，大数据技术的相关应用，是人类社会的一次巨大进步象征！

所以必须从主观上接受大数据时代的到来！每一种技术的发展，都伴随不断的试错，这是必然要在探索之路上需要承担的损失。如何均衡利弊，降低试错成本是现在许多大数据企业都十分重视的问题，随着社会科技技术发展，大数据在理论方面的进步，将会有更多的人认可大数据，从被动接受大数据服务，到主动接受大数据带来的改变！

大数据在未来一定是以人为本的，也将对整个互联网行业进行一次技术改革，然后最后具体表现在每一个参与互联网，参与数字化的用户行为中，服务每一个人，保护每一个的数据资产同时，为每一个人的数据进行综合管理，了解个人需求同时，及时，有效的为其提供高质量的服务，是大数据技术应用后出现的必然情形！不能服务人的大数据服务，终将会在技术革新中被淘汰，择优而用的市场，是不会让大数据服务变成危害每一个人互联网用户的情况出现。

所以，不必恐慌目前在大数据发展中出现的各种问题，两到三年时间，大数据服务必然会“百花齐放，优胜劣汰”，从而稳定发展，为社会服务，推动国家发展。

大数据相对其他编程学科难度大一些，需要一些Java编程基础，如果0基础报班培训，学习能力还可以的话也是没问题的

如果是计算机专业的学生，学大数据相对来说还是有一定基础的，会比非计算机专业的人士好很多。由于现在各大高校几乎没有大数据专业，想学大数据的话，到计算机培训机构学习效果会更好。而没有任何计算机相关基础的，想要学习大数据，难度还是很高的。因为培训机构的培训学习期一般都是4-6个月，要想在这短短的时间内学有所成，要付出的努力肯定要比别人多非常多!一旦在学习中有怠慢心理，那么培训结束后的学习成果肯定会比别人差很多。中公教育不错，身边的同学报名这个机构最多。

真心感觉不好学，对逻辑思维能力有一定的要求，当初我自学了一年的大数据，天天在网上找一些免费的资料和视频看，但是遇到问题了也没人能帮我解决的，所以学的很吃力也很慢，后来勉强懂一些后台、hadoop方面的知识，但是只能说是皮毛，只是了解一些简单的知识，公司照样不要，后来报了个班集训了半年，面了2家就找到工作了，当初涉世不深给7千就干了，后来待没多久就跳槽了，几乎工资翻了一倍。所以说啊，自己自学比较浪费时间还学不好，本人的前车之鉴，希望能帮到你

可以考虑中科院心理研究所的「大数据心理学」专业。 为了顺应时代发展，满足社会对大数据人才的热切需求，中国科学院心理研究所结合自身一流的科研和技术优势，特开设了“大数据心理学”专业课程研修班，也是我国目前唯一的将心理学与大数据相结合的新型专业。旨在培养具备宽广的专业知识和扎实的大数据处理能力及管理大数据能力的高级复合型人才，更好的回报社会和服务社会。

1 不清楚您是学生还是已经工作想转型

2 如果是学生，我不清楚现在学校是否开了这个专业，大数据从业人员中，能力参差不齐，需要有较多的实践经验。

3 建议一定要先把关系型数据库玩熟，毕竟这个还是主流

4 我们选人时，首选计算机科班出身的，地子厚，走得更远

希望能帮到您！

大数据前景当然很好，按照马云的说法，大数据在人工智能时代即第四次工业革命时代，相当于现在石油的重要性。谁掌握了大数据，谁就掌握了未来社会发展的命脉。

至于好不好学，看个人禀赋。不同的学习内容，对每个人来说难易程度是不一祥的。大数据是客观的存在，学习大数据，主要学习对大数据的分析和利用，就像石油是客观存在，如何利用石油却要涉及方方面面的知识一样。学习利用大数据的基础是统计学知识，如果对数学分析和统计有兴趣，大数据基础知识还是好学的。当然，随着学习的深入，需要涉及的知识体系也会越来越多，需要付出更大努力才好。

大数据现在挺火的，而且疫情方面信息的发布，对大数据的要求也挺高的，现在就是大数据的时代，所以现在学习大数据还蛮不错的，未来可期，不过这个学习起来有一定的难度，推荐有基础的人学，我朋友学的大数据，在中公，现在联想，工作和薪资还不错，你可以参考一下

首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后

Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据基础。

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。

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。

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。

如果是一个编程小白，那就提醒你入坑需谨慎，大数据学习是有一定难度的。

零基础也不是不能学大数据，个人建议第一具备一定学历条件，最好是大专，本科以上，第二，对计算机感兴趣，学习接受能力要好。

第三就是坚持不断学习，每年技术标准都会更新，需要不断学习提升自己。

大数据行业平均收入相对较高，其从业人员平均年薪已逾十万元，有经验的大数据工程师平均年薪一般在20万元以上；工资待遇高的职位相对应的专业技术要求会更高一些，难不难学和个人的基础和学习能力也有很大的关系。

大数据需要学什么？

https://www.toutiao.com/i6605723461937529348/

一、大数据好不好学，你先要了解大数据是什么，能做什么？

“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。

从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘，但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。

二、大数据到底好不好学

这个问题其实是一个仁者见仁智者见智的问题，每个人的学习能力不同，学习过程中的“难易度”自然不同。很多学员可能都不太清楚大数据到底学什么，其实直白一点来说大数据学的就是编程技术，如果你是一个典型的文科学生，是典型的文科思维那么你学习起来可能会很吃力，而且不太好学！不太建议你进入大数据行业！！理科生会更好一些

三、学习大数据有什么要求

学历要求比较严格：大专以上，最好的本科学历

大数据专业范围很广泛，如果想要精通的话，没有本科生或者研究生学历，很难学精，如果只是掌握一些基本知识，有基础就相对好学一些的，没有基础可以先自学看一些基础视频或者去好程序员学Java课程学完去学大数据课程，只要认真学就行，毕竟现在市场需求还是可以的.

如果你是零基础的话 其实自己学习会不知道从哪里开始 自己学有点无从下手 我建议你报一个培训班 北京博雅环球，小班制面授的 他们就是面授 还会从基础开始教 学的很清楚，大数据是未来的职业生涯，有前途的发展趋势

大数据专业比较难学。大数据专业一般指大数据采集与管理专业，是从大数据应用的数据管理、系统开发、海量数据分析与挖掘等层面，系统地帮助企业掌握大数据应用中的各种典型问题的解决办法的专业。大数据采集与管理专业属于工学。大数据采集与管理专业课程主要有：C程序设计、数据结构、数据库原理与应用、计算机操作系统、计算机网络、Java语言程序设计、Python语言程序设计，大数据算法、人工智能、应用统计（统计学）、大数据机器学习、数据建模、大数据平台核心技术、大数据实践等课程。

大数据时代的到来，智慧生活的向往，一切都来自于对大数据技术的寄托，对大数据技术人才的寄托。作为一名既不是富二代，也不是官二代的有志青年，想要进攻大数据领域，唯有习得大数据开发技术才能一跃科技的前端，那大数据开发好学吗？

针对这个问题，给你的回答是：好学亦不好学！为什么会有这样矛盾的回答呢？原因有二：大数据开发好学，是因为大数据开发是进入大数据领域的基础技术，每一个想要在大数据领域大展身手的人都要有一定的基础磨练。大数据开发不好学，是因为大数据本来就是一门复杂的学科，对于已经呆在互联网领域很久的老前辈来说，自己想要研究透还有一定的难度，更何况是对于对大数据技术一无所知的小白。

那照上面的说法，是不是零基础想要学习大数据开发就没有可能了吗？答案亦是否定的！

面对复杂的大数据技术，自学这条路走不通，完全可以另辟蹊径：比如说可以找一位大数据领域的专家带你；比如说找一家靠谱的大数据开发培训机构对你进行二次培养等等。（PS：对于专家这条路，只是针对有优质资源的少数人，更多人是没有这样的人脉的，所以只能寄托于大数据培训）

对于专业的大数据开发培训机构来说，让你学会大数据开发技术并不是一件难事。付费教学，天经地义，你花钱学习技术，培训机构负责让你掌握大数据技术，互利共生，更容易激起你的学习欲望。

谈起靠谱的大数据开发培训机构，想要学透大数据技术，还是找能够全程面授的机构。所谓“全程面授”就是：教研+讲师+项目实战+随堂笔记录制的教学方式，全方位教学，确保学习质量。以实战项目做指导，手把手纯面授，面对面现场教学。同时论坛辅导，上课资料录制，方便学生课后复习。而且一定要记住的是，一定要全程面授，从头到尾，大数据讲师、项目讲师全程辅导学习，这样才能让技术稳扎稳打！

大数据开发技术好学吗？找到千锋大数据全程面授班，就能让你轻松习得大数据开发技术。并且可以免费申请两周的预科班，体验大数据开发技术，也体验千锋大数据的教学模式和培训的真正实力！

大数据前景不错

好

只要有兴趣就好学。前景也很广阔，很多领域都要用到。

好不好学很容易回答。先要搞清楚为什么要学习大数据专业。作为大学毕业4年的职场人，建议你从下面这几方面考虑：

1、你喜欢这个专业吗，你的兴趣爱好是它吗。有兴趣就很容易学。

2、你能投入多少时间去学习。如果时间足够，就去学习。没有难学的专业，只有苦逼的行业。

3、问问自己的内心，为什么想学习这个专业。出于热爱？出于家庭？出于热门？

出于热爱和家庭的话，学起来很容易。很好学。

出于热门的话，就没那么好学了。

大数据是趋势，但是从趋势上来讲未来只有有限的几个公司有大数据能够让你去做分析。

一般数据分析的背景是数学系或者统计的比较有优势。如果有业务背景会加分。

大数据更多的是给决策层提供依据的。

作为一名IT从业者，同时也是一名计算机专业的教育工作者，我来回答一下这个问题。

首先，大数据技术经过多年的发展，已经形成了一个庞大且完整的知识体系，对于初学者来说，可以根据自身的知识基础和能力特点来选择学习的切入点，而不同的切入点也可以向不同的方向发展。

对于没有基础的初学者来说，可以按照以下几个步骤来学习大数据技术：

第一：编程语言基础。编程语言是学习大数据技术的一个重要基础，未来不论是向大数据开发方向发展，还是向大数据分析、大数据运维等方向发展，都需要具有一个扎实的程序设计基础。当前Python语言在大数据领域有比较广泛的应用，而且Python语言也比较容易掌握，所以从Python语言开始学起就是不错的选择。对于初学者来说，即使没有任何计算机基础知识，Python语言也是完全可以通过自学来掌握的。

第二：大数据平台基础。大数据平台是学习大数据技术的重点，大数据平台能够提供各种大数据技术服务，不论是大数据开发（应用）还是大数据分析，通常都需要借助于大数据平台来完成。初学者可以从开源的大数据平台开始学起，比如从Hadoop、Spark开始学起就是不错的选择，而学习大数据平台一定要重视实验。这部分内容比较多，所以学习周期也会相对比较长，初学者如果能够得到专业人士的指导，会明显提升学习效率。

第三：机器学习基础。机器学习是大数据技术体系中的重要一环，作为大数据分析的两种常见方式之一，机器学习在当前的大数据领域也有非常普遍的应用。学习机器学习的过程不仅能够加深对于大数据的认知能力，同时也会为后续的学习和实践奠定一个扎实的基础。学习机器学习知识需要具备一定的数学基础，包括高等数学、线性代数和概率论。

我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。

如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言，或者私信我！