问答

1、Java基础阶段

Html静态网页、CSS层叠样式表、JavaScript动态技术、MySql数据库开发、J2SE面向对象等

2、JavaWeb进升阶段

Servlet实现及五大对象、JSP原理及九大对象、EL表达式、JSTL标签库、AJAX异步技术、JQuery框架、XML、JSON数据共享及交换等

3、Java技术提升阶段

多线程、反射、过滤器、监听器、连接池、事务、静态代理、动态代理、AOP、IOC等

4、框架及项目实训阶段

Mybatis框架、spring框架、springMVC、redis缓存、maven项目构建等，说了这么多，还有一条最重要的就是不光要掌握理论知识，一定要多做项目，多敲练习，毕竟代码才是我们的最终根本。

1、提升企业竞争力

随着互联网时代的飞速发展，大数据产业已经成为这个时代发展不可或缺的因素，同时也是提升企业竞争力的强力资源。大数据行业有着巨大的价值和资源，只有掌握了大数据，才能有效地控制资源。

2、有效促进技术创新

目前，它主要是由开源的，和一个大数据技术框架系统集成多种技术和架构不断形成，因此有必要打造出自主创新和开放源码的组合可供企业使用的新的大数据技术开发的模式。

3、促进其他行业的发展

借助强大平台，大数据开发运维一体化模式快速发展，不断更新，使大数据的使用效果更加清晰这一显著的提升在一定程度上促进了大数据的发展。

1、Java

Java是现阶段使用较为居多，为什么呢?是由于玩Java转到大数据人数太多人的缘故，所以很多人都喜欢使用Java，也有的是由于公司为了维护和人才的使用考虑，会选择使用Java语言开发，也有的是因为平台会有Hadoop的MapReduce老程序与Spark任务混合使用，为了平台统一开发语言而选择Java，也有的公司为了对接外面项目而选择通用性比较强的Java语言开发。

2、Scala

也可以是说大数据Spark开发的主力语言了，因为当你学习Spark后，就一定会对Scala有进一步的研究与学习，因为为了学好Spark技术你需要研究源码、需要更简洁快速开发项目。从而Spark大数据开发语言Scala是最多。

3、Python

在机器学习、AI的崛起，也有很多人青睐的语言了;还有一波人喜欢，那就是大数据分析人员，在SQL与spark SQL 使用Python来进行脚本调度。

4、R

R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

1、分类

检查未知分类或暂时未知分类的数据，目的是预测数据属于哪个类别或属于哪个类别。使用具有已知分类的相似数据来研究分类规则，然后将这些规则应用于未知分类数据。

2、预测

预测是指对数字连续变量而不是分类变量的预测。

3、关联规则和推荐系统

关联规则或关联分析是指在诸如捆绑之类的大型数据库中找到一般的关联模式。

在线推荐系统使用协作过滤算法，该协作过滤算法是基于给定的历史购买行为，等级，浏览历史或任何其他可测量的偏好行为或什至其他用户购买历史的方法。协同过滤可在单个用户级别生成“购买时可以购买的东西”的购买建议。因此，在许多推荐系统中使用了协作过滤，以向具有广泛偏好的用户提供个性化推荐。

4、预测分析

预测分析包括分类，预测，关联规则，协作过滤和模式识别(聚类)之类的方法。

初学者开始学习C语言的话，一般来说都是先建议自学，这样可以帮助自己了解是不是真的想学习这门语言。你可以在网上搜索一些学习资源，比如BILIBILI上面就有许多的视频教学资源，另外你也可以在一些网站上搜索，比如简书、CSDN技术社区、知乎等等。

你也可以选择报班学习，现在关于c语言的培训班不少，在培训班里，你可以有个学习环境也可以让老师帮你解答问题，最主要的是有人鞭策你学习。

1. Apache Hive

Hive是一个建立在Hadoop上的开源数据仓库基础设施，通过Hive可以很容易的进行数据的ETL,对数据进行结构化处理,并对Hadoop上大数据文件进行查询和处理等。Hive提供了一种简单的类似SQL的查询语言—HiveQL,这为熟悉SQL语言的用户查询数据提供了方便。

2. Apache Spark

Apache Spark是Hadoop开源生态系统的新成员。它提供了一个比Hive更快的查询引擎，因为它依赖于自己的数据处理框架而不是依靠Hadoop的HDFS服务。同时，它还用于事件流处理、实时查询和机器学习等方面。

3. Jaspersoft BI 套件

Jaspersoft包是一个通过数据库列生成报表的开源软件。行业领导者发现Jaspersoft软件是一流的,许多企业已经使用它来将SQL表转化为pdf,，这使每个人都可以在会议上对其进行审议。另外，JasperReports提供了一个连接配置单元来替代HBase。

4. Keen IO

Keen IO是个强大的移动应用分析工具。开发者只需要简单到一行代码， 就可以跟踪他们想要的关于他们应用的任何信息。开发者接下来只需要做一些Dashboard或者查询的工作就可以了。

5. Mortar Data

Mortar Data是专为开发者打造的Hadoop开发平台，它用Pig和Python的组合替代了MapReduce以便开发者能简单地编写Hadoop管道(Pipeline)。

女生其实真的很适合学java，在现实生活中很少有哪个行业规定女生不能学，只是有时候会受到传统观念的影响，选择学java的女生比较少。但其实这往往对女生来说也是种极大的优势，女性竞争少，行业又需要大量的女java精英工作者，女生在应聘求职上更具备优势。

java其实只要女生感兴趣就可以开始学习，因为java是没有任何基础的朋友都可以学习的，并且java学习时间短。java的学习需要面对枯燥、需要细心、需要具备一定的逻辑能力，而这些往往是女生都具备的，所以女生大可以放心大胆的学java。

Java和web前端目前就业前景都不错，整个市场需求都很旺盛，学会两门技术中的任何一种，我觉得找工作都不是难事。整体来说，Java的应用场景相对广泛一些，所以会比前端发展空间更大。

①web前端

前端入门比较快，容易上手，框架丰富，目前用的比较多的是Vue、Angular、React、Bootstrap等，容易出成果。

②Java

Java入门很容易入门，且从就业来说，Java有着不错的就业前景。但是，如果想要后期有更大发展前景，还有很多东西要学，如数据结构、计算机网络、操作系统这些基础知识都要懂。Java的应用领域极其广泛，由于大多涉及到企业的业务模块，人员需求量很大，他们在公司的重要程度可想而知，升职空间很大。

数据可视化技术是关于数据视觉表现形式的科学技术研究，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。

主要指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。数据可视化技术主要运用于报表与BI领域。

1、可视化分析

大数据分析的使用者有大数据分析专家，同时还有普通用户，但是他们二者对于大数据分析最基本的要求就是可视化分析，因为可视化分析能够直观的呈现大数据特点，同时能够非常容易被读者所接受，就如同看图说话一样简单明了。

2、数据挖掘算法

大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被全世界统计学家所公认的各种统计方法(可以称之为真理)才能深入数据内部，挖掘出公认的价值。另外一个方面也是因为有这些数据挖掘的算法才能更快速的处理大数据，如果一个算法得花上好几年才能得出结论，那大数据的价值也就无从说起了。

3、预测性分析能力

大数据分析最终要的应用领域之一就是预测性分析，从大数据中挖掘出特点，通过科学的建立模型，之后便可以通过模型带入新的数据，从而预测未来的数据。

4、数据质量和数据管理

大数据分析离不开数据质量和数据管理，高质量的数据和有效的数据管理，无论是在学术研究还是在商业应用领域，都能够保证分析结果的真实和有价值。 当然更加深入大数据分析的话，还有很多很多更加有特点的、更加深入的、更加专业的大数据分析方法。

数据挖掘可以应用在金融、医疗保健、市场业、零售业、制造业、司法、工程和科学、保险业等领域。

数据挖掘，又译为资料探勘、数据采矿。它是数据库知识发现中的一个步骤。数据挖掘一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别等诸多方法来实现上述目标。

近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是存在大量数据，可以广泛使用，并且迫切需要将这些数据转换成有用的信息和知识。获取的信息和知识可以广泛用于各种应用，包括商务管理，生产控制，市场分析，工程设计和科学探索等。

1、熟练精通至少一门编程语言

掌握Java是必不可少的，要是能同时熟悉Python、Scala就更好了。

2、掌握Linux操作系统

百分之八十以上的企业使用Linux操作系统进行云计算、大数据平台的构建，所以做大数据开发，Linux必备。

3、掌握大数据主流框架及组件

主要是Hadoop、Spark、Storm、Flink等一系列框架，及其生态圈组件，这部分是重中之重。

软实力，就相对来说要虚一些了，逻辑思维能力、沟通能力、学习能力等等，通常在HR面试的时候，主要就是考察这些方面。

1.了解和定位客户

这是大数据目前最广为人知的应用领域。很多企业热衷于社交媒体数据、浏览器日志、文本挖掘等各类数据集，通过大数据技术创建预测模型，从而更全面地了解客户以及他们的行为、喜好。

2.了解和优化业务流程

大数据也越来越多地应用于优化业务流程，比如供应链或配送路径优化。通过定位和识别系统来跟踪货物或运输车辆，并根据实时交通路况数据优化运输路线。

3.提供个性化服务

大数据不仅适用于公司和政府，也适用于我们每个人，比如从智能手表或智能手环等可穿戴设备采集的数据中获益。Jawbone的智能手环可以分析人们的卡路里消耗、活动量和睡眠质量等。Jawbone公司已经能够收集长达60年的睡眠数据，从中分析出一些独到的见解反馈给每个用户。从中受益的还有网络平台“寻找真爱”，大多数婚恋网站都使用大数据分析工具和算法为用户匹配最合适的对象。

4.改善医疗保健和公共卫生

大数据分析的能力可以在几分钟内解码整个DNA序列，有助于我们找到新的治疗方法，更好地理解和预测疾病模式。试想一下，当来自所有智能手表等可穿戴设备的数据，都可以应用于数百万人及其各种疾病时，未来的临床试验将不再局限于小样本，而是包括所有人。

5.提高体育运动技能

如今大多数顶尖的体育赛事都采用了大数据分析技术。用于网球比赛的IBM SlamTracker工具，通过视频分析跟踪足球落点或者棒球比赛中每个球员的表现。许多优秀的运动队也在训练之外跟踪运动员的营养和睡眠情况。NFL开发了专门的应用平台，帮助所有球队根据球场上的草地状况、天气状况、以及学习期间球员的个人表现做出最佳决策，以减少球员不必要的受伤。

女生是适合学习大数据技术的，而且大数据行业内有很多岗位比较适合女生从事，比如数据整理、存储、分析等岗位都是不错的选择，但是由于大数据的知识体系比较复杂，所以学习起来也具有一定的难度。具体原因如下：

①与男性相比，女性在沟通上更有优势

众所周知，做大数据开发就是为了服务于客户，虽然说做出项目可以满足于客户需求，但是如何完整地表达出你所做的项目初衷，则是不少男性大数据工程师的硬伤。在这一点上，女性就显得更有优势的多。因为女性给人平易近人的感觉，在与客户的沟通中会给客户以好感，自然能够减少与客户的沟通障碍。

②外界对女性工程师的期望值不高

虽说男女平等，但是由于生理原因，外界对女大数据开发工程师的要求，并不如男大数据开发工程师的期望高，因此对于女大数据开发工程师来说其压力也就相对小一些。你可能会觉得这样的环境不公平，但是需要提醒各位的是，在这样的环境下你将会更容易创作出不错的业绩，证明自身的实力，企业也将会格外重视你的发展，给你更多的空间。

③女性大数据开发工程师心细惹人爱

绝大部分男大数据开发工程师性格大大咧咧，在工作中常常会有粗心大意的毛病。但是女工程师相对来说，就比较少，这正是因为女性的细心，女工程师的细心常常能够找到开发过程中的bug，因此很多公司非常乐于招聘女性大数据开发工程师。

1、编程语言的学习

对于零基础的同学，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。建议从Java入手，容易学而且很好用，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。现在一般也都是从JAVA开始学起，这相当于也是一个基础。

2、大数据相关技术的学习

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的时间要更长，JAVA算作学习大数据要学习的一部分，除此之外学习大数据还需要学习其他相关类型的数据知识。大数据部分，包括Hadoop 、Spark、Storm开发、Hive 数据库、Linux 操作系统等知识，还要熟悉大数据处理和分析技术。如果要完整的学习大数据的话，这些都是必不可少的。

3、项目实战阶段

学习任何一门技术，除了理论知识，项目的实战训练也是非常重要的，进行一些实际项目的操作练手，可以帮助我们更好的理解所学的内容，同时对于相关知识也能加强记忆，在今后的运用中，也可以更快的上手，对于相关知识该怎么用也有了经验。在项目实战中，遇到问题最好积极动手记录下来，这样才能更好的去解决你遇到的问题。