① 提问：大数据培训机构靠谱吗
有不少但是好的没有多少，魔据的，比较靠前的。
② 大数据时代 发现问题并提出建设性建议
大数据时代：发现问题并提出建设性建议
在当前的大数据时代下，尽管大数据在技术层面的应用可以无限广阔，但由于合理利用规则的缺失，能够用于商业应用、服务于公众的数据将远远小于理论上大数据能够采集和处理的数据，长远来看，将不利于大数据产业的形成与发展
在大数据时代，只要能产生价值的信息，都可以被加以开发与利用。特别在智慧城市建设中，只有不断盘活已有数据存量，充分利用大数据增量，才能提升智慧城市“大脑”的智慧水平，促使城市管理从“经验管理”转向“科学管理”。
然而在大数据的应用过程中，政府和企业对大数据的运用还存在着法律上的诸多难点，需要站在制度设计的层面统筹考虑，既要保护用户隐私和个人信息安全，同时最大程度上挖掘出信息本身的价值。
正如美国作家帕特里克·塔克尔在其作品《赤裸裸的未来》一书中所述：“我们不可能朝未来技术挥舞拳头，更好的办法是，了解这些工具是如何运作的，了解它们可以如何合法地利用……同时，也要了解这些工具可能如何被滥用。”
发现问题
随着大数据应用的逐步开展和试行，如何用好大数据，保障个人信息安全，已经成为智慧城市推进的一个重要课题。
首先，数据隐私的保护和应用之间需要权衡。目前我国还缺乏合理开放利用用户数据的管理规范。《电信和互联网用户个人信息保护规定》等均明确了用户信息保护及合理利用的原则，但是具体到数据开发利用的规则，比如对商业规则如何制定、经营者合理开发利用的法定情形如何确定、触犯用户的隐私权应当如何惩治等一系列管理问题，则没有相关规定。尽管大数据在技术层面的应用可以无限广阔，但由于合理利用规则的缺失，能够用于商业应用、服务于公众的数据将远远小于理论上能够采集和处理的数据，长远来看，将不利于大数据产业的形成与发展。
其次，数据的信息安全问题有待妥善解决。大数据应用必然会带来用户数据的使用和共享，多维的数据交互将意味着更大的信息泄露风险。一旦经营者保护用户信息不力或者遭遇信息窃取，势必引起用户恐慌，对智慧城市应用涉及的公民财产安全、国家安全产生重大威胁。
由于目前对大数据使用的法律缺位，政府、企业及个人作为使用或者提供大数据的主体，目前还没有明确的法律责任定位，对于用户信息问题产生的相关法律责任亦没有相关的罚则体系。
建设性建议
所以，我国应该结合中外个人信息保护立法经验，开展关于大数据的法律研究。通过法律实践，推进大数据应用规则的探索，根据法律研究的相关成果，制定具有可行性的大数据法律实施方案，通过相关法规或者规范的逐步实施，不断总结实践推进大数据的法律探索工作。比如开展对用户信息进行分层分级的试行，依据信息的识别度和重要性，逐步建立信息分级制度;试行用户信息的模糊化去特征化处理等，逐步明确模糊化处理数据的可应用范围等。
以上是小编为大家分享的关于大数据时代 发现问题并提出建设性建议的相关内容，更多信息可以关注环球青藤分享更多干货
③ 关于大数据的讲座可以提哪些问题
大数据目前在哪个行业领域应用最广？
哪些企业在用大数据技术？
想要从事大数据工作需要掌握哪些知识？
大数据的趋势怎么样，对于人才需求有什么要求？
现在大数据的岗位的薪资待遇如何？
等等诸如此类的问题，都是了解的。
④ 大数据如何入门
听说你想要学大数据？你确定你搞清楚概念了吗？我们来做个小测验吧：
数据分析师在公司是干什么的？
大数据和普通数据最大的区别是什么？
你的日常工作中根本接触不到大数据，你真正想学的是大数据吗？
有点蒙圈了吧。鱼君正是要帮你在最短的时间内理清这些概念，找准自己前进的方向。
大数据之“大”数据，大家会陌生吗？不会。我们每天的日常生活都会接触到数据。淘宝购物时货比三家的价格，年终考核之后发给我们的奖金，发表在知乎上的文章的评论数量，这些都是数据。
从人们会计数开始，数据就有了，数据分析也是。那么大数据呢？
说到大数据，你就绕不开互联网。在互联网出现之前，虽然政府部门和一些公共事业单位通过日积月累获得了较大量的数据，但并没有形成足够的影响力。直到互联网产品的出现，由于它收集用户数据的便利性，通常在一天之内就能够累计其他行业可能一年才能获取的数据量。
数据量的升级造成算法和硬件都必须要升级，操作起来的技术难度也就会提高很多。这个时候，就需要专业的技术和平台来完成存储，处理和分析大数据的工作。比如说，大家都听过的Hadoop平台，MapRece算法。都是大数据时代的产物。
因此，我认为，大数据的核心，就在于大。
有一定规模的互联网公司都会成立专门的大数据部门来管理自己产品所收集到的大数据。数据量越大，处理难度就越高，相应的，可能挖掘到的内涵也会更多。于是，大数据就成了一个产业，一个火热的产业。
大数据圈子里的人在大数据行业这个圈子里，公司提供的职位大致分为三类：数据分析师，数据产品经理，数据工程师。他们紧密合作，共同驱动公司的数据决策文化。
那么，着三种职位都是做什么的？又该怎么入行呢？
数据分析师
数据分析师，是使用大数据的人。核心是掌握各种数据分析工具和数据分析技能，目标是为公司管理层和产品团队提供分析报告，帮助他们做决策。
实际工作中，数据会被处理成各种不同的类型提供给数据分析师使用，有比较原始的，有比较简单好用的。因此，数据分析师需要掌握R, SQL，Excel, Python基础编程等多种技能，以及熟练掌握常用的数据分析方法。
如果你立志于成为一个数据分析师甚至数据科学家，那么我强烈建议你进行系统的学习。
数据产品经理
数据产品经理是设计数据产品的人。核心技能是数据需求分析和数据产品的设计，和其他的互联网产品经理并没有本质的不同。实际工作中，数据产品经理需要收集不同用户的数据需求并且设计出好用的数据产品提供给大家，帮助他们“用数据做决定”。
怎么入门呢？关于具体的进阶流程，我希望你听一下我在一块听听上做的讲座《4步让你成为大数据产品经理》，会为你提供非常全面的介绍。
常见的推荐入门书籍有《人人都是产品经理》，《The DatawareHouse Toolkit》，《Lean Analytics》等等。
数据工程师
数据工程师，简单分两种，一类是数据挖掘工程师，另外一类是大数据平台工程师。工程师的基本技能当然是写代码，写高质量的代码。
数据挖掘工程师主要工作是开发大数据流水线以及和数据分析师一起完成数据挖掘项目，而数据平台工程师主要工作是维护大数据平台。
因此，理工科背景出身，掌握C, C#, Python等编程/脚本语言，熟悉各种基础算法即可以胜任。
如何用数据做决策
对于那些并不想转行进入大数据圈子的人，我们要学的究竟是什么？
我相信，在我们的日常工作中，特别是业绩不佳，找不到突破口的时候，都曾想过能否用数据来帮助自己。因为我们都曾或多或少听过一些牛逼的数据案例，比如纸尿布与啤酒之类。
举一个简单的例子，你经营的餐馆现在状况不佳。你可以自己拍脑袋想一堆的新点子来尝试改善现状。你也可以，收集整理数据，通过分析找出根本原因，并提出对应解决方案，从而扭转局面。后者听起来似乎更加靠谱一些。
那么，你该收集什么数据，做什么分析，这就是你需要学习的：“如何用数据做决策”。从这个角度讲，我认为：
人人都应该是数据分析师
学习系统的数据决策和数据分析思维，我们可以从这篇文章开始：从0到1搭建数据分析知识体系。我自己工作中常用的数据分析方法都被囊括在里面，如果趋势分析，多维分解，用户分群，漏斗分析等等。请不要小看一篇文章，知识在精不在多。
你还可以从一本简单好读的《谁说菜鸟不会数据分析》开始搭建你的数据分析思维。
关于数据分析的书籍太多了，众口难调，随便一搜就有一大堆推荐。而其中所讲的知识和理论其实都是类似的。最终要让他们发挥作用，还是要和实践结合起来。
因此，我认为，在自己的生意和工作中多实践数据分析，多思考，遇到问题多在社群中提问和大家探讨，是最好的学习办法。我自己也一直是这样践行的。
带着问题去学习，是最好的方式。
在这个过程中，随着你对数据的深入了解，掌握更多的数据分析语言和工具。从Excel到SQL，甚至到R和Python。你所能使用的数据量也会越来越大。但你大可不必一开始就扎入这些工具的学习中，那样会收效甚微。
⑤ 提问。。。。。
回答
⑥ 谁知道，天天回答问题，可提问的全是关于软件的，拿这里当大数据了，到底怎么想的。
说白了，这个不是因为所有的软件都是这个，在这里没提问，而是因为你去回答了比较多的软件问题，根据大数据筛选就是以擅长于这个领域，所以他就把这些题目都推荐给你了。
⑦ 大数据时代人更自由辩论赛中,提问互联网与大数据的关系和区别跑题了吗
跑不跑题看你怎么问，你光问互联网与大数据有啥关系，有啥区别是跑题了，因为你没提到辩题专中的人的自由，但属是你如果连环问题，比如“1、请问互联网和大数据什么关系？2.那这种关系会不会影响到人的隐私权？3.那是不是人类在大数据时代在使用互联网的过程中被窃取了大量的个人隐私，从而被大数据使用者获得了你的各项标签，了解了你的爱好、了解了你的动态，掌握了你的所有行程轨迹，是不是会让你在使用互联网的过程中小心翼翼，生怕暴露了过多的个人隐私，而不像以前那样在网上自由自在的冲浪？”类似这样问就没有跑题，总之你先要自己想清楚，你问互联网和大数据的关系和区别的目的是什么，对你方辩题有什么帮助。
⑧ 什么是数据服务,与数据的区别是什么 提问
数据，通常我们理解为源数据，在地理信息数据方面，一般为SHAPE文件、MDB数据库、GDB数据库、IMG/TIF影像等；数据服务对数据进行了封装，是一个URL地址，通过传入参数获取结果，在地理信息数据方面，一般有WFS、WMS等。
两者在应用上有很大的不同：
第一、源数据是完整的数据内容，数据服务以最小权限为原则，是满足最低要求的数据内容，在满足利用需求的情况下，会尽可能提供最少数据。
第二、源数据能够满足丰富的数据应用需求，根据实际业务需求进行数据应用开发，而数据服务只能提供查询、分析等一些简单的功能。
第三、源数据可以进一步加工处理，产生新的数据，而数据服务则不可以。
第四、由于数据来源于其他部门，所以源数据存在时效性较差的问题，需要在有更新的时候重新向数据生产部门申请，而数据服务则可以保证数据的时效性
第五、如果购买的话，源数据价格会较高，而数据服务价格较便宜。
第六、对于数据提供部门来说，倾向于提供数据服务而不是源数据，对于数据使用方来说，可能更倾向于获取源数据而不是数据服务。
在地理信息数据应用方面的建议：
1、 对于基础数据（影像、地形、电子地图等），建议使用数据服务，这些数据更新时间较长，而且数据挖掘价值不高。
2、 对于业务过程中产生的矢量数据，则建议使用源数据，同时要考虑数据更新机制了。
3、 如果地理信息数据只是用来作为底图浏览、查询和简单的分析，则建议使用数据服务，如果需要进行深入挖掘分析，则建议使用源数据。
（如有帮助，请采纳，谢谢）
⑨ 尚硅谷大数据面试都会问些什么
其实不管是哪家公司面试，都是根据你的简历来对你进行提问，所以自己简历上面写的知识点都要全部对答如流。
还有慎用精通这样的字眼，工作五年以上的人，也不敢说自己对哪一方面能够达到精通的地步。
尚硅谷大数据面试的一些基本问题总结如下：
1.讲讲你做的过的项目。 项目里有哪些 难点重点注意点呢？
2.讲讲多线程吧， 要是你，你怎么实现一个线程池呢？
3.讲一下Maprece或者hdfs的原理和机制。map读取数据分片。
4.shuffle 是什么？ 怎么调优？
5.项目用什么语言写？ Scala？ Scala的特点？ 和Java的区别？
6.理论基础怎么样，比如数据结构，里面的快速排序，或者，树？ 讲一讲你了解的树的知识？
7.数学怎么样呢？
8.讲一下数据库，SQl ，左外连接， 原理，实现？
9.还了解过数据的什么知识？ 数据库引擎？
10.Hadoop的机架怎么配置的？
11.Hbase的设计有什么心得？
12.Hbase的操作是用的什么API还是什么工具？
13.对调度怎么理解.? 用什么工具吗？
14.用kettle 这种工具还是 自己写程序？ 你们公司是怎么做的？
15.你们数据中心开发周期是多长？
16.你们hbase里面是存一些什么数据