培訓做大數據

① 培訓大數據需要多長時間

大數據學習分以下3種情況
一、自學。學習能力強有一定開發基礎的可以嘗試自學，專雖然有點難屬，但是還是有一些學習能力強的學生可以通過自學，自學一般都是根據自身碎片化時間進行學習，時間會比較長。自學的優點：是可以省下一筆學費，而且不佔用自己的工作時間。自學的缺點：遇到問題難以解決，無老師輔導。無真實企業項目可以實訓
二、企業內部學習。企業內部培養可造之材，由技術人員帶，學習時間視企業情況而定。優點：上手快，有人帶，無需支付費用缺點：機會少，大多數學生沒有這樣的機會
三、線下培訓學習。線下培訓學習時間5-6個月。可能有學生問為什麼沒有線上培訓學習呢？對於學習大數據技術目前線上培訓無法保證學生的學習質量，如果你能夠在線上學會大數據技術的話，那麼你就不需要培訓了，通過自學就可以了！因為你屬於學習能力強的那一小部分人

② 零基礎培訓大數據需要多長時間

大數據培訓周期5-6個月左右。
但在您決定學大數據之前，還是建議您先確定一下自己是否適合學習大數據。

③ 現在培訓機構出來的大數據，可以從事什麼工作

大數據專業的前景是很不錯的，薪資也是相當可觀的，可以從事的工作有大數據分析內師、大容數據挖掘師/演算法工程師、大數據工程師、大數據運維工程師、大數據倉庫工程師、大數據產品經理、大數據架構師/資深大數據架構師等等這些都是很不錯的，希望可以幫到你。

④ 我想去培訓，是培訓java好還是大數據好

按前途看，肯定大數據好，但是大數據對基礎要求也更高

一般的Java培訓主要是做信內息系統，而大數據，有平容台開發和數據分析兩個方向，數據分析尤其對數學要求高， 對數字要求敏感

你有Java基礎的話 應該不需要再培訓Java，除非你想快速上手幹活，否則對你基礎幫助不會比自學大。而大數據這個不培訓很難有機會轉過去

所以建議你如果對自己數學基礎有信心的話，去培訓大數據

⑤ 培訓大數據有什麼要求

大數據作為一種重要的戰略資產，已經不同程度地滲透到每個行業領域和內部門，其深容度應用不僅有助於企業經營活動，還有利於推動國民經濟發展。研究表明，在醫療、零售和製造業都發揮著作用。

培訓大數據最好是有資料庫方面的基礎，因為涉及到的數據處理，數據分析和數據挖掘方面的知識都會關聯資料庫相關的知識

⑥ 去培訓大數據要多長時間

千鋒教育是學習20周的，大約4個半月吧。

⑦ 大數據培訓到底是培訓什麼

大數據培訓，目前主要有兩種：

1、大數據開發

數據工程師建設和優化系統。學內習hadoop、spark、storm、超大集群容調優、機器學習、Docker容器引擎、ElasticSearch、並發編程等；

2、數據分析與挖掘

一般工作包括數據清洗，執行分析和數據可視化。學習Python、資料庫、網路爬蟲、數據分析與處理等。

大數據培訓一般是指大數據開發培訓。

大數據技術龐大復雜，基礎的技術包含數據的採集、數據預處理、分布式存儲、資料庫、數據倉庫、機器學習、並行計算、可視化等各種技術范疇和不同的技術層面。

⑧ 大數據培訓學大數據以後可以做什麼

在國內，與大數據相關的崗位主要分為以下幾類：

數據分析師：運用工具，提取回、答分析、呈現數據，實現數據的商業意義，需要業務理解和工具應用能力
數據挖掘師/演算法工程師：數據建模、機器學習和演算法實現，需要業務理解、熟悉演算法和精通計算機編程
大數據工程師：運用編程語言實現數據平台和數據管道開發，需要計算機編程能力
數據架構師：高級演算法設計與優化;數據相關系統設計與優化，有垂直行業經驗最佳，需要平台級開發和架構設計能力

⑨ 想做大數據開發，可以培訓嗎

首先我們要了解Java語言和Linux操作系統，這兩個是學習大數據的基礎，學習的順序不分前後。

Java ：只要了解一些基礎即可，做大數據不需要很深的Java 技術，學java SE 就相當於有學習大數據基礎。

Linux：因為大數據相關軟體都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟體的運行環境和網路環境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數據集群。還能讓你對以後新出的大數據技術學習起來更快。

Hadoop：這是現在流行的大數據處理平台幾乎已經成為大數據的代名詞，所以這個是必學的。Hadoop裡麵包括幾個組件HDFS、MapRece和YARN，HDFS是存儲數據的地方就像我們電腦的硬碟一樣文件都存儲在這個上面，MapRece是對數據進行處理計算的，它有個特點就是不管多大的數據只要給它時間它就能把數據跑完，但是時間可能不是很快所以它叫數據的批處理。

Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以後的Hbase也會用到它。它一般用來存放一些相互協作的信息，這些信息比較小一般不會超過1M，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。

Mysql：我們學習完大數據的處理了，接下來學習學習小數據的處理工具mysql資料庫，因為一會裝hive的時候要用到，mysql需要掌握到什麼層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的許可權，修改root的密碼，創建資料庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。

Sqoop：這個是用於把Mysql里的數據導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數據表導出成文件再放到HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。

Hive：這個東西對於會SQL語法的來說就是神器，它能讓你處理大數據變的很簡單，不會再費勁的編寫MapRece程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。

Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapRece、Spark腳本，還能檢查你的程序是否執行正確，出錯了給你發報警並能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。

Hbase：這是Hadoop生態體系中的NOSQL資料庫，他的數據是按照key和value的形式存儲的並且key是唯一的，所以它能用來做數據的排重，它與MYSQL相比能存儲的數據量大很多。所以他常被用於大數據處理完成之後的存儲目的地。

Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數據多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你干嗎給我這么多的數據(比如好幾百G的文件)我怎麼處理得過來，你別怪他因為他不是搞大數據的，你可以跟他講我把數據放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數據的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數據進行簡單處理，並寫到各種數據接受方(比如Kafka)的。

Spark：它是用來彌補基於MapRece處理數據速度上的缺點，它的特點是把數據裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。