从术语到Spark,10篇必读大数据学习资源

本文给想进入大数据领域的朋友提供了一系列的资源,由浅入深,比如“需要了解的51条大数据术语”、“学习python的四个理由”、“十一个必须要参加的大数据会议”等有趣的话题。相信各种背景的朋友都会在这篇文章中有所收获。

之前,我们已就数据可视化进行了深入探讨。这次,我们将从更基本的概念讲起,以便在涉足更复杂的数据科学和商业智能之前能够真正理解大数据。文中会引领大家阅读介绍大数据的相关文章,研究网络上流传的大数据的概念,查看与大数据相关的出版物。

数据可视化:

https://dzone.com/articles/diving-into-data-visualization

数据科学:

https://dzone.com/articles/diving-into-data-science

商业智能:

https://dzone.com/articles/big-data-deep-dive-the-business-intelligence-editi

大数据社区(DZone)

查阅DZone上最受欢迎的介绍大数据的文章,了解大数据的基础知识,进而明白为什么Apache Kafka和Ignite是大数据分析不可或缺的部分,以及为什么你应该学习Python等一系列问题。


大数据初学者指南(Kamesh Ganeon作)。一切都应由大数据分析驱动!但大数据究竟是什么?你能从中得到什么?阅读本文知晓答案。

大数据初学者指南:

https://dzone.com/articles/a-beginners-guide-to-big-data

Kafka是什么? (Jean-Paul Azar作)。 Kafka常用于实时流数据架构并提供实时分析。大数据交流分享扣qun 74零零加【4yi381】阅读本文可以了解它的具体用例以及它受欢迎的原因。

Kafka是什么:

https://dzone.com/articles/what-is-kafka

学习Python的4个理由(Arani Chatterjee作)。能够使用Python是攻克大数据的先决条件,本文列出了详细原因。

学习Python的4个理由:

https://dzone.com/articles/4-reasons-you-should-learn-python

Apache Ignite是什么?(Dmitriy Setrakyan作)。Apache Ignite十分简单,但为了全面了解它,多去回答“Ignite是个……吗”之类的问题会有帮助。

Apache Ignite是什么:

https://dzone.com/articles/what-is-apache-ignite-1

需要了解的51条大数据术语(DZone编辑团队作)。 我们列出了一些关于大数据的最重要的定义,能够纠正你对术语的一些理解错误。

需要了解的51条大数据术语:

https://dzone.com/articles/48-big-data-terms-you-need-to-know

大数据百宝盒

除了DZone之外,更多大数据新手感兴趣的最近咨询及会议等内容如下。

11个必须参加的大数据会议。参加一些大型会议,对了解大数据世界会有帮助。

11个必须参加的大数据会议:

https://blog.capterra.com/big-data-conferences-for-data-analysts/

解释大数据。 在这个介绍短片中,可以了解有关大数据的特征、技术和机会。

介绍短片

掌握大数据分析。这个网站提供了50门课程、博客、教程等资料,以帮助人们掌握大数据分析!查询此网站来获得任何与大数据领域有关的资料。

掌握大数据分析:

https://www.ngdata.com/big-data-analysis-resources/

深入研究大数据

DZone几乎在所有与技术相关的主题上都有指南和Refcardz索引(Refcardz:一个提供多种技术速查表的网站),但如果你对大数据特别感兴趣,下面这些应该对你最有吸引力。

Refcardz索引:

https://dzone.com/refcardz/apache-spark?chapter=1

DZone大数据指南:数据科学和高级分析。

探索下一代自助服务数据准备工具的关键功能,深入研究与大数据相关的应用程序和语言。

DZone大数据指南:

https://dzone.com/guides/big-data-data-science-and-advanced-analytics

Apache Spark:大规模数据处理的引擎。

Spark的简介,介绍它在大数据领域的地位,指导安装并创建Spark程序,以及对一些常用行为和操作的说明。

Apache Spark:

https://dzone.com/refcardz/apache-spark?chapter=1

本文章来自网络,如有侵权,请及时联系

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,122评论 6 505
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,070评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,491评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,636评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,676评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,541评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,292评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,211评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,655评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,846评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,965评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,684评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,295评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,894评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,012评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,126评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,914评论 2 355

推荐阅读更多精彩内容