京東T3.2大數據工程師分享的入門書籍！
文章推薦指數： 80 %
在美國，大數據工程師平均年薪達17.5萬美元，在中國頂尖的網際網路公司里，大數據工程師的薪酬比同級別的其他職位高出30%以上。
DT時代來得太突然了，國內發展勢頭很猛，而大數據相關的人才卻非常地有限，在未來若干年內都會是供不應求的狀況，因此程式設計師們，你們的春天到了！
就目前公司招聘和其他所了解到的大數據專業的工作內容，偏重方向和技術選型有所不同。
小編朋友現任職於京東，就不同職業學習的書籍進行了分類推薦。
1. 大數據工程師
在網際網路公司廣泛招聘，偏平台業務方向，ETL和OLTP等，主要是基於Hadoop技術棧來處理大數據，算法要求不是特別高。
經典圖書推薦：
《Hadoop權威指南》
《Hive編程指南》
《Hbase權威指南》
《大數據技術全解》
《大數據挑戰NoSql》
《Mahout實戰》
2. 數據分析師：
在擁有行業數據的電商、金融、電信、諮詢等行業里做業務諮詢，商務智能，出分析報告，網際網路公司的產品經理差不多類型了，統計學能力要求高，SPSS、SAS、R、SQL。
經典圖書推薦：
《機率論與數理統計》
《統計學》推薦David Freedman版
《業務建模與數據挖掘》
《數據挖掘導論》
《SAS編程與數據挖掘商業案例》
《Clementine數據挖掘方法及應用 》
《IBM SPSS Statistics 19 Statistical Procedures Companion》
3. 數據挖掘工程師：
在網際網路、電商、搜索、社交等大數據相關行業里做機器學習算法實現和分析，基本數據結構算法、機器學習等都要求較高。
Hadoop、spark技術棧，Java、Python、C++、Scala、Shell。
經典圖書推薦：
《數據挖掘概念與技術》
《數據挖掘導論》
《數據挖掘-實用機器學習技術》
《機器學習》Tom Michael
《機器學習導論》
周志華《機器學習》
《機器學習實戰》
《集體智慧編程》
《統計學習方法》
ESL 《Elements of Statistical Learning》
ISL 《An Introduction to Statistical Learning》
PRML 《Pattern Recognition and Machine Learning》
《資料庫系統概論》
《算法導論》
《Web數據挖掘》
《推薦系統》
《數據可視化》
《Thinking in Java》
《Python核心編程》
《Thinking in C++》
4. 科學研究方向：
在高校、科研單位、企業研究院等高大上科研機構研究新算法效率改進及未來應用，還有現在很多計算機視覺的創業公司的算法研究。
經典圖書推薦：
《機器學習》
《模式分類》
《統計學習理論的本質》
《統計學習方法》
《數據挖掘實用機器學習技術》
《R語言實踐》
《人工智慧及其應用》
《機率圖模型》
英文素質是科研人才必備的
《Machine Learning: A Probabilistic Perspective》
《Scaling up Machine Learning : Parallel and Distributed Approaches》
《Data Mining Using SAS Enterprise Miner : A Case Study Approach》
《Python for Data Analysis》
當然還有一步很重要就是不斷練習、練習、練習，將學到的知識與實際應用場景相結合，學會寫代碼也很重要哦。
大數據學科是一門綜合學科，對於教授該專業的老師也是一項很大的挑戰。
那如何學習才能快速入門並精通呢？
當真正開始學習的時候難免不知道從哪入手，導致效率低下影響繼續學習的信心。
但最重要的是不知道哪些技術需要重點掌握，學習時頻繁踩坑，最終浪費大量時間，所以有一套實用的視頻課程用來跟著學習是非常有必要的。
為了讓學習變得輕鬆、高效，今天給大家免費分享一套陸金所的大數據架構師傳授的一套教學資源。
幫助大家在學習大數據的道路上披荊斬棘。
這套視頻課程，詳細講解了Hadoop生態（MR、Hbase、Spark、Storm等）開發技術，深度講解了數據挖掘、機器學習相關的算法、神經網絡等內容！
而且還把集群需要用到的各種程序進行了打包，根據基礎視頻可以讓你輕鬆搭建Hadoop完全分布式環境，像在企業生產環境一樣進行學習和實踐。
後台私信回復「大數據」 就可以馬上免費獲得這套價值一萬八的內部教材！先到先得。
再次強調：
1、把數據分析作為一種能力培養，讓自己在現在的團隊中展現出良好的數據分析能力，為你以後內部轉崗做好準備。
2、紮實學好一、兩門數據挖掘軟體，基於你已有得編程基礎，可以學SAS或者R，基本能夠滿足很大部分企業的需求。
3、多看多想多觀察，學習業務職能是這樣，細水長流，還需要不斷工作積累和廣泛的閱讀。
最後，希望你能夠成為你想成為的人！
