如何學(xué)習(xí)大數(shù)據(jù)處理？隨著當(dāng)今信息時(shí)代的飛速發(fā)展，從IT時(shí)代已經(jīng)到了DT時(shí)代。大數(shù)據(jù)起著至關(guān)重要的作用，因此越來越多的人接觸和學(xué)習(xí)大數(shù)據(jù)。他們?cè)鯓硬拍軐W(xué)好大數(shù)據(jù)處理？具體內(nèi)容如下：！高層建筑都是由地基建

如何學(xué)習(xí)大數(shù)據(jù)處理？

隨著當(dāng)今信息時(shí)代的飛速發(fā)展，從IT時(shí)代已經(jīng)到了DT時(shí)代。大數(shù)據(jù)起著至關(guān)重要的作用，因此越來越多的人接觸和學(xué)習(xí)大數(shù)據(jù)。他們?cè)鯓硬拍軐W(xué)好大數(shù)據(jù)處理？具體內(nèi)容如下：！高層建筑都是由地基建成的。在學(xué)習(xí)大數(shù)據(jù)處理之前，掌握扎實(shí)的基本技能非常重要，這將決定你未來的身高?；炯寄馨ㄕ莆誴ython、Java等支持大數(shù)據(jù)的編程語(yǔ)言、Linux操作系統(tǒng)、常用主流數(shù)據(jù)庫(kù)，以及高等數(shù)學(xué)和英語(yǔ)的標(biāo)準(zhǔn)。

了解大數(shù)據(jù)處理的工作機(jī)制，Hadoop、spark、strom等主流大數(shù)據(jù)框架及相關(guān)算法軟件。

有了計(jì)劃，學(xué)習(xí)就會(huì)有明確的目標(biāo)和具體的步驟，可以增強(qiáng)工作的主動(dòng)性，減少盲目性。根據(jù)自己的基礎(chǔ)和學(xué)習(xí)狀態(tài)制定一套切實(shí)可行的學(xué)習(xí)計(jì)劃，計(jì)劃必須分解到位，詳述。并按照計(jì)劃，一步一步地完成。

對(duì)于不了解、專業(yè)知識(shí)較強(qiáng)的人員，我們可以通過網(wǎng)絡(luò)檢索、訪問學(xué)術(shù)網(wǎng)站或查閱學(xué)術(shù)文獻(xiàn)等方式學(xué)習(xí)相關(guān)知識(shí)，從而快速進(jìn)入和熟悉未知領(lǐng)域，豐富我們的能力。

再好的知識(shí)儲(chǔ)備，沒有實(shí)際的實(shí)踐，也只是空談。所學(xué)知識(shí)在實(shí)際項(xiàng)目經(jīng)驗(yàn)中獲得相應(yīng)的經(jīng)驗(yàn)價(jià)值，知識(shí)才會(huì)真正落地，自身也會(huì)得到提高。

只有通過不斷的歸納和及時(shí)的復(fù)習(xí)，所學(xué)的知識(shí)才能成為自己可以運(yùn)用的能力。對(duì)于那些不夠扎實(shí)、被遺忘的地方，我們需要在學(xué)習(xí)的過程中多思考、多總結(jié)，以文件的形式記錄下來，轉(zhuǎn)化為自己的東西。

大專學(xué)歷的人沒有數(shù)學(xué)基礎(chǔ)，想學(xué)習(xí)python技術(shù)，未來能往大數(shù)據(jù)或人工智能方向進(jìn)行職業(yè)發(fā)展嗎？

Python有以下發(fā)展方向：

除了基本的Python編程知識(shí)外，還需要熟悉numpy、pandas、pytables、blaze、dask等！除了基本的Python編程知識(shí)外，還需要了解HTTP協(xié)議、簡(jiǎn)單的HTML，等等

除了基本的python編程知識(shí)，還需要熟悉spark等

除了基本的python編程知識(shí)，還需要熟悉Django、HTTP、RSET、JSON等

除了基本的python編程知識(shí)，你需要熟悉Linux

用Python進(jìn)行數(shù)據(jù)分析，不懂Python，求合適的Python書籍或資料推薦？

python有很多學(xué)習(xí)資料，你可以在網(wǎng)上查看一些學(xué)習(xí)資料，或者你可以在不同的視頻網(wǎng)站上觀看學(xué)習(xí)視頻。在這里，我們推薦B站或網(wǎng)易云教室。上面有很多關(guān)于Python的學(xué)習(xí)視頻。當(dāng)然，在頭版有很多關(guān)于Python的學(xué)習(xí)資料。建議先學(xué)習(xí)基礎(chǔ)知識(shí)，關(guān)于數(shù)據(jù)分析，我們需要學(xué)習(xí)熊貓、numpy等第三方科學(xué)計(jì)算庫(kù)。使用這兩個(gè)庫(kù)可以大大降低數(shù)據(jù)分析的成本。當(dāng)然，在頭條或B站有很多關(guān)于這方面的知識(shí)

~]。這兩種方法的目標(biāo)都是降低特征維數(shù)。但方法不同。數(shù)據(jù)降維一般稱為降維。該方法的思想是將原高維特征空間中的點(diǎn)投影到低維空間，新的空間維數(shù)低于原特征空間，從而降低了維數(shù)。在這個(gè)過程中，特征發(fā)生了根本性的變化，原有的特征消失了（雖然新特征也保留了原有特征的一些屬性）。在特征選擇中，從n個(gè)特征中選擇D（D<N）特征，而丟棄其他n-D特征。因此，新特征只是原始特征的子集。在沒有被放棄的D特性中沒有任何變化。這是兩者的主要區(qū)別。

數(shù)據(jù)降維是什么意思？

我已經(jīng)使用Python 7年多了，現(xiàn)在我正在從事視頻對(duì)象識(shí)別算法的開發(fā)，使用tensorflow，它也是基于Python語(yǔ)言的。Python是一種解決所有問題的語(yǔ)言，值得擁有

！我從2012年開始學(xué)習(xí)機(jī)器學(xué)習(xí)，因?yàn)闆]有指導(dǎo)，我走了很多彎路，浪費(fèi)了很多時(shí)間和精力。一開始，我讀了《機(jī)器學(xué)習(xí)實(shí)踐》一書。雖然我不懂，但我還是把書中所有的例子都跑了一遍，漸漸發(fā)現(xiàn)自己不懂算法也能達(dá)到預(yù)期的效果。然后，我會(huì)直接開發(fā)我想要的程序。當(dāng)我遇到需要機(jī)器學(xué)習(xí)的部分時(shí)，我會(huì)直接復(fù)制它。一周后，演示會(huì)出來。在這個(gè)時(shí)候，你會(huì)發(fā)現(xiàn)你已經(jīng)開始了。剩下的就是理解每種算法的范圍和局限性。

不要掉進(jìn)無(wú)休止的書堆里，練習(xí)和做項(xiàng)目

！呃，地鐵到了。我要去工作了。我還沒做完呢。有機(jī)會(huì)我會(huì)繼續(xù)討論的