非科班出身,如何从事大数据行业?
我是自己学习的大数据相关知识,希望这篇文章对你有帮助
https://zhuanlan.zhihu.com/p/92751450
首先,我要明确的告诉你,非科班出身也是可以从事大数据相关工作的.当然非科班出身的,肯定是有一定难度的,特别是入门的时候.有一句话说的好,隔行如隔山.但是每个行业其实都是一样的,谁不是从不会到会呢,只要你肯努力,肯花费足够的时间,从事大数据行业,可以的.
我先说下大数据要使用的基本技术,方便你进行分析:Java基础,资料库基础(MySQL等),Hadoop实战,Spark实战.要想做大数据这四块儿是必须学会的.其他扩展性的,可以再说.
那具体要怎么做呢?
目前来看有三条路可以走:第一自学,第二找个相关的工作,从头做起,第三接受系统的培训
下面我具体分析下
第一自学
这个适合于有足够时间,足够精力的人.因为学习知识本身是比较枯燥的,开发需要使用的技术点又比较多,学习中遇到了问题还要想办法解决,所以自学的周期会很长,并且要保证每天不间断的学习,才会有效果.
第二找个相关的工作,从头做起
这个适合于有一定的经济保障的,而且比较幸运的人,因为非大数据行业的人从事大数据工作,一定是从零做起,可以想像工资会很低,并且在公司中都是公司用什么咱们跟著学什么,所以要想比较全面的学到技术,这个周期肯定会比较长.
之所以说要比较幸运,因为对于刚进公司的你,即使工资要的很低,但也是需要有些技术底子的,而且这个时候公司一般会看我们的学历(本科)和专业(计算机相关).
第三接受系统的培训
这个跟第二条有些相似,因为系统培训要脱产,在学习期间拿不到工资,还要准备一笔培训费.但是培训的好处也是很多的:比如可以进行系统的学习,有利于知识体系的形成.可以帮助你克服学习的惰性,这个是每个人都有的,是学习的天敌.还可以缩短学习周期,在学习期间会有老师系统的讲解,做实战项目,帮你解决遇到的问题.
最后总结一下:每条路都可以走,就看你自己的当前情况,最重要的是选了适合自己的方法,要有毅力一直坚持下去,不要三天打鱼两天晒网,最后肯定会成功.
希望可以帮到你.
关于从事一个行业的要求,最简单的方式莫过于从求职网站上查看信息,下面就是针对于大数据行业的一些职业要求,而这也是转行大数据人必须要考虑的。
大数据人才需求迫切,高薪资、高福利,因此转行的大数据的人也很多,那么对于一些普通技术开发人员,在进行转行大数据开发时有哪些必要的考虑因素呢?
关于从事一个行业的要求,最简单的方式莫过于从求职网站上查看信息,下面就是针对于大数据行业的一些职业要求,而这也是转行大数据人必须要考虑的。
1、丰富的数据开发经验,对数据处理、数据建模、数据分析等有深刻认识和实战经验。
2、熟悉SQL,有一定的SQL性能优化经验。
3、熟练掌握Java语言,MapReduce编程,脚本语言Shell/Python/Perl之一。
4、业务理解力强,对数据、新技术敏感,对云计算、大数据技术充满热情。
5、深入理解Map-Reduce模型,对Hadoop、Spark、Storm等大规模数据存储与运算平台有实践经验。
这五点因素并代表全部,只是为大家罗列出一些基础的技能,但这也能够给一些转行者提供一些方向。
对于技术人员转行大数据,最为普遍的是java人员的转行,毕竟拥有了java基础,转行会更快一点。大数据的主流平台hadoop是基于Java开发的,所以Java程序员往大数据开发方向转行从语言环境上更为顺畅,另外很多基于大数据的应用框架也是Java的,所以在很多大数据项目里掌握Java语言是有一定优势的。
当然,hadoop核心价值在于提供了分散式文件系统和分散式计算引擎,对于大部分公司而言,并不需要对这个引擎进行修改。这时候除了熟悉编程,你通常还需要学习数据处理和数据挖掘的一些知识。尤其是往数据挖掘工程师方向发展,则你需要掌握更多的演算法相关的知识。下面我们不妨给出一个java转行大数据的学习线路图,希望能够助力你更加快速的转型。
第一步:分散式计算框架
掌握hadoop和spark分散式计算框架,了解文件系统、消息队列和Nosql资料库,学习相关组件如hadoop、MR、spark、hive、hbase、redies、kafka等。
第二步:演算法和工具
学习了解各种数据挖掘演算法,如分类、聚类、关联规则、回归、决策树、神经网路等,熟练掌握一门数据挖掘编程工具:Python或者Scala。目前主流平台和框架已经提供了演算法库,如hadoop上的Mahout和spark上的Mllib,你也可以从学习这些介面和脚本语言开始学习这些演算法。
第三步:项目实践
可以从网上找一些相关的项目,或者比赛等,当然,参加实习也是一个不错的选择。
拥有java基础固然能够让你更加快速的理解大数据,但是,保持一颗谦虚的心,才能够让你真正的成为一名大数据人才,毕竟大数据并不只是java能够支持的,所学习的东西还有很多。过分的自信是很多java开发人员转行失败的原因。在入门大数据的过程中缺乏基础入门视频教程和开发工具,可以戳我领取
年龄不是问题,很多在技术岗位从事多年的人开始转行大数据,他们考虑最多的就是年龄,毕竟30多岁的年纪,如果转行失败,那么所带来的影响太大了。其实,这一点并不是没法解决,关键是看你如何去对待转行,30岁你的职场生涯也仅仅是开始了一小段,后期你还有很多的路要走,所以,既然你想要学,那么不妨给自己一个机会。学可能有几率不成功,但是不学那么永远不会成功。老年大学都在全国开展了,而你在而立之年还有什么可顾虑的。
其实,普通技术人员转行大数据的优势有很多,跨越了0基础的瓶颈,你将能更快的学懂大数据,而且,多年的职场经历,也能够让你在未来的发展中走的更远。现在大数据正在起步,未来的前景必将非常巨大,普通人员转行大数据开发也必将会成为一波不小的趋势。
我们先来了解下大数据分析师如何区别于普通的数据分析师?
现在有一个很热门的职业叫做「大数据分析师」,薪资比普通数据分析师高地多。在美国,与大数据相关的职位统称为「数据科学家」;而在国内,与大数据相关的岗位则细分得多,按照级别主要分为数据分析、数据挖掘、数据工程师、数据架构师这几类。
我们可以得到如下结论:普通的数据分析师具有一定的数理统计基础,熟悉业务逻辑,能熟练地操作传统的数据分析软体,能使数据成为企业的智慧。他们通常遇到的都是一些结构化、体量小的小数据。而大数据分析师更专注数据获取的架构设计、数据分析模型的选择、指标的选取,他们具有数据分析师的理论素养和业务能力,面对大数据,他们有一整套分散式的数据获取、整理、处理和分析的方案,而且这个方案最终的目标是为数据分析服务,他们具有大数据分析的利器,如Hadoop、Spark等软体。