谢邀。无论学什么,方式无非两种:自学、报班学。学习大数据编程也是如此,要么自学,要么报班学习。当然如果您是学生,大学学的专业就是大数据,那么建议您好好在校期间跟著教授去听课,注意练习,不仅耳到、眼到还要手到。 想学好编程,做程序猿,不动手练,怎么能成呢?当然非在校生的话,请您根据您的自身实际情况,看自己适合哪种学习方式。 第一、适合自学的人群特点 1、有基础科班出身的朋友,自己手头也多少会有些资源,认识一些大数据开发的专业人士,自学的问题不大,找到好的工作也会有相应的渠道。2、自控能力强一般自律性、学习能力比较强的、解决问题比较独立的,可以每天坚持学习几个小时的,这个可以自学。3、搜集能力强自学肯定要搜索资料的,大数据学习视频和书籍进行学习前准备的,没有资料学什么呢?因此需要您具备搜索资料的能力,因为技术更新快,您得确保您搜索到在资料是目前比较流行的技术书籍或是视频。4、学习规划能力这个就是您把大数据全部的知识框架了解了以后,规定自己每天必须学会多少的一个能力。送您一份最新的大数据学习路线图供您参考。 第二、适合报班人群特点 1、自控能力差2、没有基础3、非科班出身4、理解能力、逻辑能力不太好的;以上的就不建议自学了,还是报大数据培训班学比较好,节省您走弯路的时间。而且大数据虽然前景不错,但并非人人皆可以学的,因此需要您看一下自己是否适合学习(不知如何评断的,可下方留言)。您可以根据您自身实际情况,自我评估一下,看一下自己适合哪种学习方式。再跟您普遍一下自学与报大数据培训班的区别,您可自我评断一下。 第三、自学与报大数据班学编程的利与弊 第一点: 自学:节省金钱,浪费时间成本,容易走弯路; 报大数据培训班学:消耗资金,节省时间成本,能快速掌握核心技术。 第二点:对于核心的掌握程度自学出来的可能对于核心知识的掌握不是很好,因为自己没有实际接触过相关的知识对于课程的核心部分掌握会不够精确,如果是大数据培训学校出来的可能会掌握的好一些,毕竟很多老师都是经过实践的,对于核心技术知识是比较了解的。第三点:知识的理解程度自学的人可能对于知识的深度和广度没有培训出来的知道的多些,毕竟经过专业培训出来的学员,在遇到不会的知识点是有老师给进行解答的,同时老师也会时不时的扩展一些相关的知识。第四点:实践经验自学的学员在实践经验方面会欠缺些,因为自学的话一般是没有什么实际项目可以用来完成,而专业的大数据培训则会会有几个实际的项目进行实践的。最后不管您通过什么方式学习编程,学习大数据,都离不开您自己的努力,因此您自己才是主轴。by the way 当您工作之后,持续学习也是必不可少的,技术更新比较快,只有持续学习才不至于被淘汰。一份2020年大数据教程一并送给您,希望可以帮到您。 大数据学科全套教程 链接:https://pan.baidu.com/s/1LpG5whTKyNlJcbW6pbzGuQ 提取码:voco 高校的大数据专业的课程设计应该是很科学的,把课学好就足够了,而且大数据专业的课程应该是相当相当重的,如果要把课学好,一星期不投入60个小时估计不行,所以,如果还想自己找点跟课内关联性不强的课外的学习材料应该是不够时间的。 例如,学习离散数学,知识点那么多,假设还用Kenneth H. Rosen的课本,光看块头就很吓人,即使上课不用这本书,我感觉参考参考这本书也很有帮助,这一参考,一星期10个小时可能就花上了。假设课上又要学习Scala编程,保证你寝食不安,一会要琢磨面向对象,一会要琢磨函数式编程,还有一个接一个的作业和project。总之,把课堂上要求的课学好,打好基础,不要过多花时间追热点 你好。 想要学好大数据并不是那么容易的,下面是学习的过程,供你参考:大数据学习过程分两部分来讲一、方法1、培养逻辑思维,快速捋清编程逻辑2、动手实操、理论与操作结合,搞懂现象背后的逻辑3、分析源码、勤做笔记,多做复习4、项目实操 5、学习、学习、学习二、课程顺序 刚转到大数据专业,在家自学了线性代数,入门了C语言和Python,想要熟练掌握这些语言,估计路还很长。除了学校的教材以外,不妨找找评价较高的编程书籍。Python入门我推荐《Python编程:从入门到实践》和《笨办法学Python》,C语言我推荐《明解C语言》。不喜欢看书的话,也可以去mooc或b站上看视频学习。以下也是我们学校大数据专业的基本培养方案:数学分析,线性代数概率论,应用数理统计,离散数学 C语言,Matlab,Java,数据结构资料库原理及技术,Python大数据存储及处理技术(Hadoop)大数据可视化技术数学模型,多元统计分析数据挖掘,机器学习 如果单学编程,没有快方法。只有不断的练习,然后去学习原理。再回到代码中去练习。也有人说过,当你写够1万行代码的时候,你的代码能力就提升了。但是,纯代码练习对人的提升不是很大,要知其然,更要知其所以然。打个比方,在少林寺里,每天只让你挑水,砍柴。不让你学习具体的武功招数,当你挑水,砍柴了许久,突然有一个看到一个招式,当你用出来时,它的威力就会超出你的想像。大学阶段,主要就像上边说的挑水,砍柴阶段。多提高好自身的内功,至于说具体的代码实现,未来在工作中再去学习也不迟。再者说,AI的发展,在未来,纯代码开发类的职位会很少。现在的很多开发,都是在GitHub上用现成的代码段,然后嵌套业务,修改成为自己的代码,纯一行行自己写的很少了。 1 高数,线代,概率,所有的基础 2 计算机原理3 数据结抅与演算法4 学会盲打和VIM5 Linux shell 编程和 常用命令6 汇偏 C c++ lisp 7 python8 任何其它语言 推荐阅读:
谢邀。无论学什么,方式无非两种:自学、报班学。学习大数据编程也是如此,要么自学,要么报班学习。当然如果您是学生,大学学的专业就是大数据,那么建议您好好在校期间跟著教授去听课,注意练习,不仅耳到、眼到还要手到。
想学好编程,做程序猿,不动手练,怎么能成呢?当然非在校生的话,请您根据您的自身实际情况,看自己适合哪种学习方式。
1、有基础
科班出身的朋友,自己手头也多少会有些资源,认识一些大数据开发的专业人士,自学的问题不大,找到好的工作也会有相应的渠道。
2、自控能力强
一般自律性、学习能力比较强的、解决问题比较独立的,可以每天坚持学习几个小时的,这个可以自学。
3、搜集能力强
自学肯定要搜索资料的,大数据学习视频和书籍进行学习前准备的,没有资料学什么呢?因此需要您具备搜索资料的能力,因为技术更新快,您得确保您搜索到在资料是目前比较流行的技术书籍或是视频。
4、学习规划能力
这个就是您把大数据全部的知识框架了解了以后,规定自己每天必须学会多少的一个能力。送您一份最新的大数据学习路线图供您参考。
1、自控能力差
2、没有基础
3、非科班出身
4、理解能力、逻辑能力不太好的;
以上的就不建议自学了,还是报大数据培训班学比较好,节省您走弯路的时间。而且大数据虽然前景不错,但并非人人皆可以学的,因此需要您看一下自己是否适合学习(不知如何评断的,可下方留言)。
您可以根据您自身实际情况,自我评估一下,看一下自己适合哪种学习方式。再跟您普遍一下自学与报大数据培训班的区别,您可自我评断一下。
第一点: 自学:节省金钱,浪费时间成本,容易走弯路;
报大数据培训班学:消耗资金,节省时间成本,能快速掌握核心技术。
第二点:对于核心的掌握程度
自学出来的可能对于核心知识的掌握不是很好,因为自己没有实际接触过相关的知识对于课程的核心部分掌握会不够精确,如果是大数据培训学校出来的可能会掌握的好一些,毕竟很多老师都是经过实践的,对于核心技术知识是比较了解的。
第三点:知识的理解程度
自学的人可能对于知识的深度和广度没有培训出来的知道的多些,毕竟经过专业培训出来的学员,在遇到不会的知识点是有老师给进行解答的,同时老师也会时不时的扩展一些相关的知识。
第四点:实践经验
自学的学员在实践经验方面会欠缺些,因为自学的话一般是没有什么实际项目可以用来完成,而专业的大数据培训则会会有几个实际的项目进行实践的。
最后不管您通过什么方式学习编程,学习大数据,都离不开您自己的努力,因此您自己才是主轴。by the way 当您工作之后,持续学习也是必不可少的,技术更新比较快,只有持续学习才不至于被淘汰。一份2020年大数据教程一并送给您,希望可以帮到您。
链接:https://pan.baidu.com/s/1LpG5whTKyNlJcbW6pbzGuQ
提取码:voco
高校的大数据专业的课程设计应该是很科学的,把课学好就足够了,而且大数据专业的课程应该是相当相当重的,如果要把课学好,一星期不投入60个小时估计不行,所以,如果还想自己找点跟课内关联性不强的课外的学习材料应该是不够时间的。
例如,学习离散数学,知识点那么多,假设还用Kenneth H. Rosen的课本,光看块头就很吓人,即使上课不用这本书,我感觉参考参考这本书也很有帮助,这一参考,一星期10个小时可能就花上了。
假设课上又要学习Scala编程,保证你寝食不安,一会要琢磨面向对象,一会要琢磨函数式编程,还有一个接一个的作业和project。
总之,把课堂上要求的课学好,打好基础,不要过多花时间追热点
想要学好大数据并不是那么容易的,下面是学习的过程,供你参考:
大数据学习过程分两部分来讲
一、方法
1、培养逻辑思维,快速捋清编程逻辑
2、动手实操、理论与操作结合,搞懂现象背后的逻辑
3、分析源码、勤做笔记,多做复习
4、项目实操
5、学习、学习、学习
二、课程顺序
刚转到大数据专业,在家自学了线性代数,入门了C语言和Python,想要熟练掌握这些语言,估计路还很长。除了学校的教材以外,不妨找找评价较高的编程书籍。Python入门我推荐《Python编程:从入门到实践》和《笨办法学Python》,C语言我推荐《明解C语言》。不喜欢看书的话,也可以去mooc或b站上看视频学习。
以下也是我们学校大数据专业的基本培养方案:
数学分析,线性代数
概率论,应用数理统计,离散数学
C语言,Matlab,Java,数据结构
资料库原理及技术,Python
大数据存储及处理技术(Hadoop)
大数据可视化技术
数学模型,多元统计分析
数据挖掘,机器学习
如果单学编程,没有快方法。只有不断的练习,然后去学习原理。再回到代码中去练习。也有人说过,当你写够1万行代码的时候,你的代码能力就提升了。但是,纯代码练习对人的提升不是很大,要知其然,更要知其所以然。
打个比方,在少林寺里,每天只让你挑水,砍柴。不让你学习具体的武功招数,当你挑水,砍柴了许久,突然有一个看到一个招式,当你用出来时,它的威力就会超出你的想像。
大学阶段,主要就像上边说的挑水,砍柴阶段。多提高好自身的内功,至于说具体的代码实现,未来在工作中再去学习也不迟。再者说,AI的发展,在未来,纯代码开发类的职位会很少。现在的很多开发,都是在GitHub上用现成的代码段,然后嵌套业务,修改成为自己的代码,纯一行行自己写的很少了。
1 高数,线代,概率,所有的基础
2 计算机原理
3 数据结抅与演算法
4 学会盲打和VIM
5 Linux shell 编程和 常用命令
6 汇偏 C c++ lisp
7 python
8 任何其它语言