张僮珀
要清楚的一点是，大数据包括要学习的很多：统计学、机器学习、数据挖掘、数据库、分布式计算，云计算，信息可视化等技术或者方法来整理数据。想先说一下大数据工作的三个步骤：
1.原始数据要经过收集、提取、清洗、整理等等的预处理过程，才能形成高质量的数据；
2.要看数据的规律和特点
3.按照我们的需要，对数据分类，贴标签，总结整理并且做出预测。
经过以上步骤，可以看出数据科学就是复合型的技术，既然是技术就需要语言，现在大家都知道R和python最适合大数据。
所以，新手入门可以从python基础知识开始：
8）模块和包：理解模块和包的概念并学会使用
后面学习数据挖掘与数据分析：
可以不必从python入门，可以从java基础知识开始学习。但是大数据入门要选择一门语言，下面有关java入门的方法我就不一一打出来了，可以看图片。
啊窝额
一提到“大数据”，大家会想到什么？海量数据，快速处理，挖掘数据的价值，数据的模糊处理技术……“大数据”是一种数据，一种技术，一件事情，它还可以指代一种经济模式、创业类型。
和“大数据”这个标签相关的工作职位也越来越多，每一个的职衔听起来都很酷，同时存在的，还有很多很酷的说法，比如“未来10年最赚钱的就是做大数据”之类。众多有为有志的青年学子，包括职场中人，深深为之吸引，生出投身其中的念头。
“大数据行业”还是一个新的行业。新，意味着门槛低，意味着没有旧有势力，意味着大有可为。在方兴未艾的窗口期内，不管你以前是干什么的，只要真心想进来，总能进得来。但同时，也意味着巨大的泡沫，和未来迅速紧缩的风险。
进来容易，要想立足，就得不断学习，内外双修——内：理论知识的习学研究，目前主要包括：统计知识、机器学习知识和数据库知识等；外：对工具的运用，Java, Python, R, SQL,SAS, SPSS, Excel, Tableau等等。
就业职通车
新手要学习大数据需要做的准备其实还挺多。
第一：你是否有一定的基础，例如有没有学过Java之类的，还是说完全不懂计算机语言。倒不是一定要有基础才能学，只是对你没有全面了解就乱给你推方案，实在不靠谱。
第二：你干嘛要学大数据？你是一个能静下心来的码农型人物吗？如果你性格就不适合干这个那不是很苦逼嘛？是的，码农是很苦逼的。
第三：大数据的概念很大。你想学其中的哪部分呢？这个设计到你的学习目的。一般来说是为了入职大数据相关的岗位，因为貌似工资挺高。但是跟大数据相关的岗位也很多啊，职责都不一样，如果全部都学，那就是耽误时间了。
一般来说，大数据涉及的岗位有数据采集，数据挖掘，数据存储，数据可视化等等。难度有高有低，当然收入有是很大差别。
如果还有问题，可以私聊我，我们详谈。
—— IT行业小鸟一只。
老谢侃大山
很多人都知道大数据很火，就业很好，薪资很高，想往大数据方向发展。但该学哪些技术，学习路线是什么样的呢?
大数据的三个发展方向，平台搭建/优化/运维/监控、大数据开发/设计/架构、数据分析/挖掘。
一、大数据相关工作介绍
大数据方向的工作目前主要分为三个主要方向:
1. 大数据工程师
2. 数据分析师
3. 大数据科学家
4. 其他（数据挖掘等）
二、大数据工程师的技能要求
附上大数据工程师技能图：
必须掌握的技能11条
1. Java高级(虚拟机、并发)
2. Linux 基本操作
3. Hadoop（HDFS+MapReduce+Yarn ）
4. HBase（JavaAPI操作+Phoenix ）
5. Hive(Hql基本操作和原理理解）
6. Kafka
7. Storm/JStorm
8. Scala
9. Python
10. Spark (Core+sparksql+Spark streaming ）
11. 辅助小工具(Sqoop/Flume/Oozie/Hue等)
高阶技能6条
1. 机器学习算法以及mahout库加MLlib
2. R语言
3. Lambda 架构
4. Kappa架构
5. Kylin
6. Alluxio
三、学习路径
可以参考加米谷大数据的课程大纲，理论＋代码＋实战＋实操，独有课程体系，大数据开发，数据分析与挖掘。人工智能等，都可以去guan网查看。
加米谷教育
《爆发》《大数据时代》《大数据》
首先看巴拉巴西的《爆发》，在一个历史故事的连续讲述中，了解大数据的概念实质；接着看舍恩伯格的《大数据时代》，明白大数据理念和生活工作及思维变革的关系；最后翻翻涂子沛的《大数据》，看美国政府在大数据开放上的进程与反复，算是个案。
如果想系统的学习话，建议去华信智原，华信智原在大数据方面还是有所做为的，想了解的话可以去了解下。
非常一般2018
我认为学习任何东西的最好方法就是实际使用它。幸运的是，我们有大量的大数据技术和分析工具，它们都是开源的，或者让您可以通过试用或者dev许可的进行免费学习。
或者为了提供一个简单的答案，我会假设您想要使用的大数据工具是Hadoop技术堆栈。 为了不提供过于简单的答案，您不会寻找已经建立的行业解决方案或SaaS提供商。 一般来说，NoSQL数据库并不真正用于分析（但可能是源）。
1 想想你想解决的大数据问题
传统上，大数据已被“3Vs”描述：体积，品种，速度。你想要捕捉什么样的指标？ 现在最常见的用例是涉及大量的日志数据。这是因为日志数据往往是非结构化的，可能来自多个来源，特别是对于热门网站，可能会很大（每天TB）。因此，具有执行分布式计算任务的框架对于解决这个问题至关重要。
2 下载并设置您的大数据解决方案
最简单的方法就是使用预构建的虚拟机，这个虚拟机几乎可以让任何Hadoop提供者免费使用，然后在本地运行它。您也可以使用亚马逊网络服务等服务。大多数人通常会使用map-reduce框架和Hive来处理大量的数据。既然你只是想学习，你不需要兆字节，甚至千兆字节的数据，所以访问一个100个节点的集群并不是一个优先事项。 尽管一旦开始进入多节点环境，肯定会遇到一些克服和理解的挑战。
3 解决你的大数据问题
一旦你建立了你的环境，去编码！ 有大量的文档和教程可以参考和学习[2]。 而且，只需在Google中输入问题，就可以获得大量资源。 阅读这些工具并了解该技术如何应用于解决您的使用案例。 考虑一下您希望在数据中捕获的各种指标。 想想你需要写什么样的map-reduce程序来捕获你想要分析的数据。 想想你如何利用像Hive或Pig这样的东西来完成大量的繁重数据处理工作。 在单个节点环境中可能不会显而易见的东西，在分布式环境中会影响性能甚至出现问题。
4 分析与可视化：大数据和BI的性感一面
既然您已经解决了您的大数据问题，并以可管理的格式存储了您的数据，那么您可以利用一些靓丽的报告来向你的老板炫耀。大多数利用Hadoop的企业架构仍然会有一个SQL数据库用于存储和报告Hadoop中的数据（您将很快意识到map-reduce的响应时间非常长，即使在小数据集上也是如此）。将数据从Hadoop加载到SQL数据库中对于现实世界来说是很好的做法，但为了学习大数据它不是必要的。有几个（免费的）报告工具可以直接连接到Hadoop / Hive，并且可以很好地用于学习目的。如果你想成为这个街区上的酷儿（并且在大公司中超级可雇用），我会选择Tableau（产品）。你也可以借助一些工具来获得一些预测建模和机器学习技能，并且可能开始称自己为数据科学家。
独立的互联网从业者
新手入门大数据，首先要搞清楚自己的基础水平，学习本是一件严肃的事情，不能盲目，要有目标。
首先分为两类：一是有一定的编程基础，想要学习大数据以达到技术的提升和深造；
二是零基础想要涉猎大数据行业。
作为零基础的你，建议你不要急于涉猎大数据技术，而是先深入学习一门编程语言（java、Python等等）。当然了如果感兴趣也可以看一下推荐的书籍，但主要任务还是要放在基础上。
作为有基础的你，可以先从以下大数据书籍入手：
大数据书籍
1、《为数据而生》
书中分别阐述在大数据1.0、大数据2.0和大数据3.0时代下，相对应的数据分析需要做到分析、外化、集成。
2、《智能时代》
这本书作者分七章从不同角度对大数据进行介绍，分别以技术和思维方式的改变为主线，从工业革命这个角度嵌入，顺理成章的延伸出大数据与智能化，但是没有将过多笔墨放在技术的深究上，而是选择从应用层面体现大数据的理念。大数据应用则会渗透到各行各业，这正是作者的用心之处。
3、《R语言预测实战》
R语言横跨了金融、生物、医学、互联网等多个领域，主要用于统计、建模及可视化。由于上手快、效率高，备受技术人员青睐。预测是大数据挖掘的主要作用之一,借助R语言来做大数据预测，可以兼具效率与价值于一身。
3、《数据之巅》
这本书中，从小数据时代到大数据的崛起，作者以宏大的历史观、文化观、大数据观，给我们描绘了一幅数据科学、智慧文化的全景图。
4、《Hadoop权威指南》
《Hadoop权威指南(中文版)》从Hadoop的缘起开始，由浅入深，结合理论和实践，全方位地介绍Hadoop这一高性能处理海量数据集的理想工具。
5、《Hive编程指南》
《Hive编程指南》是一本Apache Hive的编程指南，旨在介绍如何使用Hive的SQL方法HiveQL来汇总、查询和分析存储在Hadoop分布式文件系统上的大数据集合。
想要成为大数据工程师，需要以下的专业技术知识：
hadoop 、spark、storm开发、hive 数据库、Linux 操作系统、分布式存储、分布式计算框架大数据处理和分析技术等等
有需要更多学习资料和入门视频教程的，点赞关注联系我，免费分享！！！顶起来吧！
码农视界
现在大数据行业已经趋于稳定，越来越多的中小企业从最初的跟风到冷静下来，如果确实想转行，最基础的，Linux的基础操作，还有就是掌握一门语言，推荐Python，简单易学，且很适合后期的数据挖掘和人工智能，hadoop生态圈的各个产品，离线分析和实时分析，当然，hive和spark了，不过前期你需要会scala，目前金融行业对数据的实时要求很高，哈哈，对于一个小白，这些已经够你学习好长时间得了😄
隆幼枫就是我
这个问题其实还是挺难回答的，结合个人的工作经验，说一下我自己的看法。在我看来任何事情，任何工作都是基于兴趣的前提下，当然兴趣和学习谁先谁后，这是一个循序渐进的过程。第一：我们掌握了一些基本的知识，统计学是必不可少的，概率论等都是大数据的基础，大数据的本职是发现潜在的事物规律，因此统计学是一个再好不过的学科，通过样本来逼进总体，从而发现内在的规律，指导我们业务工作。第二：工具类，我们有基础的知识，但是我们还需要工具，工具是我们处理数据的利器。所以，我们需要掌握一些常用的工具，例如Excel、R、SQL等相关的语言。这样我们才能更加灵活的加工我们的数据，就想拥有神兵利器的战士，驰骋在战场上。第三、兴趣，永远保持兴趣，是一项工作取得成就的前提，能不能在大数据上深入的更深一些，需要我们拥有良好心态和积极主动的探索的精神。只有这样，我们在学习大数据上才能做到循环往复的效果。最后，大数据是一个很大的概念，或者说涉及到的职业比较多，需要我们做好提前的判断，未来自己到底适应哪种职业，才能取得更好的成绩
Visan63
首先得有java基础，因为hadoop生态组件全部用java编写，java的书建议学习《疯狂java》,大数据建议先看两本《hadoop权威指南第四版》和《spark快速大数据分析》，hadoop擅长离线计算，spark擅长在线计算(离线计算也能处理)
