零基礎學習大資料人工智慧,學習路線篇!

大資料工程師77802發表於2018-07-27

大資料處理技術怎麼學習呢?首先我們要學習Python語言和Linux作業系統,這兩個是學習大資料的基礎,學習的順序不分前後。

Python:Python 的排名從去年開始就藉助人工智慧持續上升,現在它已經成為了語言排行第一名。

從學習難易度來看,作為一個為“優雅”而生的語言,Python語法簡捷而清晰,對底層做了很好的封裝,是一種很容易上手的高階語言。在一些習慣於底層程式開發的“硬核”程式設計師眼裡,Python簡直就是一種“虛擬碼”。

零基礎學習大資料人工智慧,學習路線篇! 在大資料和資料科學領域,Python幾乎是萬能的,任何叢集架構軟體都支援Python,Python也有很豐富的資料科學庫,所以Python不得不學。

Linux:因為大資料相關軟體都是在Linux上執行的,所以Linux要學習的紮實一些,學好Linux對你快速掌握大資料相關技術會有很大的幫助,能讓你更好的理解hadoop、hive、hbase、spark等大資料軟體的執行環境和網路環境配置,能少踩很多坑,學會 shell就能看懂指令碼這樣能更容易理解和配置大資料叢集。還能讓你對以後新出的大資料技術學習起來更快。

好說完基礎了,再說說還需要學習哪些大資料技術,可以按我寫的順序學下去。

分享之前推薦一個大資料學習交流群:722680258未來將是大資料時代,需要學習大資料的抓緊時間學習,群內不定期分享視訊資料,歡迎加入

Hadoop:這是現在流行的大資料處理平臺幾乎已經成為大資料的代名詞,所以這個是必學的。Hadoop裡面包括幾個元件HDFS、MapReduce和YARN,HDFS是儲存資料的地方就像我們電腦的硬碟一樣檔案都儲存在這個上面,MapReduce是對資料進行處理計算的,它有個特點就是不管多大的資料只要給它時間它就能把資料跑完,但是時間可能不是很快所以它叫資料的批處理。 YARN是體現Hadoop平臺概念的重要元件有了它大資料生態體系的其它軟體就能在hadoop上執行了,這樣就能更好的利用HDFS大儲存的優勢和節省更多的資源比如我們就不用再單獨建一個spark的叢集了,讓它直接跑在現有的hadoop yarn上面就可以了。其實把Hadoop的這些元件學明白你就能做大資料的處理了,只不過你現在還可能對”大資料”到底有多大還沒有個太清楚的概念,聽我的別糾結這個。等以後你工作了就會有很多場景遇到幾十T/幾百T大規模的資料,到時候你就不會覺得資料大真好,越大越有你頭疼的。當然別怕處理這麼大規模的資料,因為這是你的價值所在,讓那些個搞Javaee的php的html5的和DBA的羨慕去吧。

記住學到這裡可以作為你學大資料的一個節點。

Zookeeper:這是個萬金油,安裝Hadoop的HA的時候就會用到它,以後的Hbase也會用到它。它一般用來存放一些相互協作的資訊,這些資訊比較小一般不會超過1M,都是使用它的軟體對它有依賴,對於我們個人來講只需要把它安裝正確,讓它正常的run起來就可以了。

Mysql:我們學習完大資料的處理了,接下來學習學習小資料的處理工具mysql資料庫,因為一會裝hive的時候要用到,mysql需要掌握到什麼層度那?你能在Linux上把它安裝好,執行起來,會配置簡單的許可權,修改root的密碼,建立資料庫。這裡主要的是學習SQL的語法,因為hive的語法和這個非常相似。

Sqoop:這個是用於把Mysql裡的資料匯入到Hadoop裡的。當然你也可以不用這個,直接把Mysql資料表匯出成檔案再放到HDFS上也是一樣的,當然生產環境中使用要注意Mysql的壓力。

Hive:這個東西對於會SQL語法的來說就是神器,它能讓你處理大資料變的很簡單,不會再費勁的編寫MapReduce程式。有的人說Pig那?它和Pig差不多掌握一個就可以了。

Oozie:既然學會Hive了,我相信你一定需要這個東西,它可以幫你管理你的Hive或者MapReduce、Spark指令碼,還能檢查你的程式是否執行正確,出錯了給你發報警並能幫你重試程式,最重要的是還能幫你配置任務的依賴關係。我相信你一定會喜歡上它的,不然你看著那一大堆指令碼,和密密麻麻的crond是不是有種想屎的感覺。

Hbase:這是Hadoop生態體系中的NOSQL資料庫,他的資料是按照key和value的形式儲存的並且key是唯一的,所以它能用來做資料的排重,它與MYSQL相比能儲存的資料量大很多。所以他常被用於大資料處理完成之後的儲存目的地。

Kafka:這是個比較好用的佇列工具,佇列是幹嗎的?排隊買票你知道不?資料多了同樣也需要排隊處理,這樣與你協作的其它同學不會叫起來,你幹嗎給我這麼多的資料(比如好幾百G的檔案)我怎麼處理得過來,你別怪他因為他不是搞大資料的,你可以跟他講我把資料放在佇列裡你使用的時候一個個拿,這樣他就不在抱怨了馬上灰流流的去優化他的程式去了,因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時資料的入庫或入HDFS,這時你可以與一個叫Flume的工具配合使用,它是專門用來提供對資料進行簡單處理,並寫到各種資料接受方(比如Kafka)的。

Spark:它是用來彌補基於MapReduce處理資料速度上的缺點,它的特點是把資料裝載到記憶體中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算,所以演算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它,因為它們都是用JVM的。

會這些東西你就成為一個專業的大資料開發工程師了,月薪2W都是小毛毛雨。

後續提高:大資料結合人工智慧達到真正的資料科學家,打通了資料科學的任督二脈,在公司是技術專家級別,這時候月薪再次翻倍且成為公司核心骨幹。

機器學習(Machine Learning, ML):是一門多領域交叉學科,涉及概率論、統計學、逼近論、凸分析、演算法複雜度理論等多門學科。它是人工智慧的核心,是使計算機具有智慧的根本途徑,其應用遍及人工智慧的各個領域,它主要使用歸納、綜合而不是演繹。機器學習的演算法基本比較固定了,學習起來相對容易。

深度學習(Deep Learning, DL):深度學習的概念源於人工神經網路的研究,最近幾年發展迅猛。深度學習應用的例項有AlphaGo、人臉識別、影象檢測等。是國內外稀缺人才,但是深度學習相對比較難,演算法更新也比較快,需要跟隨有經驗的老師學習。

最快的學習方法,就是師從行業專家,學習老師多年積累的經驗,自己少走彎路達到事半功倍的效果。自古以來,名師出高徒。

相關文章