大数据侧重路线

大数据行业中有侧重编程的大数据工程师与侧重分析的大数据分析师。大数据包含采集，存储，处理（含可视化），而机器学习只是大数据处理阶段的一种方法，其中处理是最为重要的，也是发挥大数据价值的关键与难点。当任务要求就是从数据发现价值时，机器学习/数据挖掘算法是最为核心的。明白业务要求，清晰挖掘方向，建立模型，选择算法，实践代码，调优测评，部署功能模块。但在这些中，如果侧重机器学习算法研究，可以构造理想数据（这样的可以省略数据预测理步骤，然而这个是实际业务操作中可能最耗时间与精力的，基本能占用50%以上的时间，所以好的数据是挖掘成功的大前提）。但如果侧重的机器学习算法的研究，而不是实际的应用，那数学这块是需要坚实基础。对计算机专业出身的大数据从业者是个短板（一般情况下），因此我们的学习和工作重点是应用算法，与实际业务要求相结合，进行应用创新，性能优化。结合自己的实际情况选择好发展路线，不限制在算法的沼泽中。否则真的 。哈哈~学习方向真的很重要，周志华老师的的那本《机器学习》理论性真的很强的，也很完整的介绍了当前的机器学习的算法，可以学习一遍，当作理论支持，这样再去看一些算法就更清晰算法的应用条件。总之，规划好自己的学习路线，学习之路任重而道远。fighting