别人经常问我,如何成为一名优秀的数据工程师?
你会在这份指南中找到答案。
如果你正在寻找人工智能算法或类似的学习资料,这些内容不适合你。
如何使用这份指南:这本书是你的起点,而不是训练!我想帮助您确定要研究的主题,并在此过程中成为一名出色的数据工程师。
我会介绍数据科学平台每个关键领域的工具(连接、缓冲区、处理框架、存储、可视化),选择一些你感兴趣的工具,研究并使用它们。
原文来源于Github开源项目《The Data Engineering Cookback》
作者:Andreas Kretz
感兴趣可以查看:Data Engineering Cookbook
数据工程师 vs 数据科学家
数据工程师
数据工程师负责搭建数据平台,然后数据科学家利用数据构建模型。
数据平台通常有5种使用方式:
- 提取并存储大量数据
- 数据科学家利用数据创建机器学习模型
- 数据科学家在生产环境部署模型
- 向员工和客户提供可视化产品
- 大多数时候人们会从搭建传统的系统架构开始,涉及到SQL数据库、web服务器、SAP和其它“标准”系统。
但要创建大数据平台,工程师必须是一名专业人士,负责检查、设置和维护大数据技术,例如:Hadoop、Spark、HBase、Cassandra、MongoDB、Kafka、Redis等等。他们还需要知道如何在云计算平台部署系统,比如在AWS、GCP或者Azure。
数据科学家
数据科学家与其他科学家不同。
数据科学家不穿白大褂,也不在充满科幻色彩的高科技实验室工作,他们和你我一样在办公室工作。
不同之处在于他们精通数学,他们使用线性代数和多元微积分从现有数据中创造新的见解。
这一见解究竟如何?
下面是一个例子:
许多工业产品需要在装运前进行测试。
通常这样的测试需要很长时间,因为要测试的东西有数百种,所有这些都是为了确保你的产品没有损坏。
如果一个测试在十步后失败了,早点知道岂不更好?若能够预见到这一点,就可以跳过后续的所有测试,直接开始修复产品或扔掉它。
这正是数据科学家可以帮助你的地方,这个领域被称为预测分析,选择的技术是机器学习。
机器可以学习?
是的,机器学习的工作原理是:向算法提供测量数据,它生成一个模型,该模型代表了数据中隐藏的模式。向模型展示新数据,模型将告诉你预测结果。毫无疑问机器学习可以用于预测机器故障,当然整个过程并不是那么简单。
训练和应用