'推薦！12本看完讓你大呼過癮的大數據入門必讀經典'
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書採用理論與大量實例相結合的方式幫助開發人員掌握使用Spark進行分析和實現機器學習算法。通過這些示例和Spark在各種企業級系統中的應用，幫助讀者解鎖Spark機器學習算法的複雜性，通過數據分析產生有價值的數據洞察力。
第四階段： 大數據項目實戰
數據獲取、數據處理、數據分析、數據展現、數據應用
推薦書籍：
- 《深入淺出數據分析》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書採用理論與大量實例相結合的方式幫助開發人員掌握使用Spark進行分析和實現機器學習算法。通過這些示例和Spark在各種企業級系統中的應用，幫助讀者解鎖Spark機器學習算法的複雜性，通過數據分析產生有價值的數據洞察力。
第四階段： 大數據項目實戰
數據獲取、數據處理、數據分析、數據展現、數據應用
推薦書籍：
- 《深入淺出數據分析》
數據分析經典入門。通俗簡單，看這本書雖學不到什麼數據分析的技能點，卻能夠讓你對數據分析的相關概念有大致的瞭解。有利於你構建數據思維的基石，嘗試跟著作者的思維邏輯去思考、感悟，記住其中提到的一些數據分析原則。
- 《赤裸裸的統計學》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書採用理論與大量實例相結合的方式幫助開發人員掌握使用Spark進行分析和實現機器學習算法。通過這些示例和Spark在各種企業級系統中的應用，幫助讀者解鎖Spark機器學習算法的複雜性，通過數據分析產生有價值的數據洞察力。
第四階段： 大數據項目實戰
數據獲取、數據處理、數據分析、數據展現、數據應用
推薦書籍：
- 《深入淺出數據分析》
數據分析經典入門。通俗簡單，看這本書雖學不到什麼數據分析的技能點，卻能夠讓你對數據分析的相關概念有大致的瞭解。有利於你構建數據思維的基石，嘗試跟著作者的思維邏輯去思考、感悟，記住其中提到的一些數據分析原則。
- 《赤裸裸的統計學》
結合生活講解統計知識，生動有趣。作者從自身出發，講述自己從一個只知道學習的學霸，開始發現統計學的樂趣，並將其運用到生活中的故事。因此避免了統計學一上來就是各種暈頭暈腦的專業概念的枯燥感。
- 《精益數據分析》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書採用理論與大量實例相結合的方式幫助開發人員掌握使用Spark進行分析和實現機器學習算法。通過這些示例和Spark在各種企業級系統中的應用，幫助讀者解鎖Spark機器學習算法的複雜性，通過數據分析產生有價值的數據洞察力。
第四階段： 大數據項目實戰
數據獲取、數據處理、數據分析、數據展現、數據應用
推薦書籍：
- 《深入淺出數據分析》
數據分析經典入門。通俗簡單，看這本書雖學不到什麼數據分析的技能點，卻能夠讓你對數據分析的相關概念有大致的瞭解。有利於你構建數據思維的基石，嘗試跟著作者的思維邏輯去思考、感悟，記住其中提到的一些數據分析原則。
- 《赤裸裸的統計學》
結合生活講解統計知識，生動有趣。作者從自身出發，講述自己從一個只知道學習的學霸，開始發現統計學的樂趣，並將其運用到生活中的故事。因此避免了統計學一上來就是各種暈頭暈腦的專業概念的枯燥感。
- 《精益數據分析》
這本書舉例了多種產品，分析了它們的指標、模型。同時將企業分成了幾個大的行業類別，並分門別類的講解了每個行業的商業模式特點及分析技巧。
ps. 對使用者的分析能力要求較高，且必須具備相應的業務知識。
第五階段：大數據分析 —AI（人工智能）
主要是講解Data Analyze數據分析基礎、數據可視化、sklearn中三類樸素貝葉斯算法以及python機器學習等提升個人能力的內容！
推薦書籍：
- 《R語言實戰》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書採用理論與大量實例相結合的方式幫助開發人員掌握使用Spark進行分析和實現機器學習算法。通過這些示例和Spark在各種企業級系統中的應用，幫助讀者解鎖Spark機器學習算法的複雜性，通過數據分析產生有價值的數據洞察力。
第四階段： 大數據項目實戰
數據獲取、數據處理、數據分析、數據展現、數據應用
推薦書籍：
- 《深入淺出數據分析》
數據分析經典入門。通俗簡單，看這本書雖學不到什麼數據分析的技能點，卻能夠讓你對數據分析的相關概念有大致的瞭解。有利於你構建數據思維的基石，嘗試跟著作者的思維邏輯去思考、感悟，記住其中提到的一些數據分析原則。
- 《赤裸裸的統計學》
結合生活講解統計知識，生動有趣。作者從自身出發，講述自己從一個只知道學習的學霸，開始發現統計學的樂趣，並將其運用到生活中的故事。因此避免了統計學一上來就是各種暈頭暈腦的專業概念的枯燥感。
- 《精益數據分析》
這本書舉例了多種產品，分析了它們的指標、模型。同時將企業分成了幾個大的行業類別，並分門別類的講解了每個行業的商業模式特點及分析技巧。
ps. 對使用者的分析能力要求較高，且必須具備相應的業務知識。
第五階段：大數據分析 —AI（人工智能）
主要是講解Data Analyze數據分析基礎、數據可視化、sklearn中三類樸素貝葉斯算法以及python機器學習等提升個人能力的內容！
推薦書籍：
- 《R語言實戰》
如果要用R語言做數據分析，建議讀完《深入淺出數據分析》之後，就開始讀這本。從工具的安裝，到具體分析方法在R語言中的實現，講解詳細，可操作性極強，是一本非常值得讀的數據分析書。
- 《數據科學實戰》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書採用理論與大量實例相結合的方式幫助開發人員掌握使用Spark進行分析和實現機器學習算法。通過這些示例和Spark在各種企業級系統中的應用，幫助讀者解鎖Spark機器學習算法的複雜性，通過數據分析產生有價值的數據洞察力。
第四階段： 大數據項目實戰
數據獲取、數據處理、數據分析、數據展現、數據應用
推薦書籍：
- 《深入淺出數據分析》
數據分析經典入門。通俗簡單，看這本書雖學不到什麼數據分析的技能點，卻能夠讓你對數據分析的相關概念有大致的瞭解。有利於你構建數據思維的基石，嘗試跟著作者的思維邏輯去思考、感悟，記住其中提到的一些數據分析原則。
- 《赤裸裸的統計學》
結合生活講解統計知識，生動有趣。作者從自身出發，講述自己從一個只知道學習的學霸，開始發現統計學的樂趣，並將其運用到生活中的故事。因此避免了統計學一上來就是各種暈頭暈腦的專業概念的枯燥感。
- 《精益數據分析》
這本書舉例了多種產品，分析了它們的指標、模型。同時將企業分成了幾個大的行業類別，並分門別類的講解了每個行業的商業模式特點及分析技巧。
ps. 對使用者的分析能力要求較高，且必須具備相應的業務知識。
第五階段：大數據分析 —AI（人工智能）
主要是講解Data Analyze數據分析基礎、數據可視化、sklearn中三類樸素貝葉斯算法以及python機器學習等提升個人能力的內容！
推薦書籍：
- 《R語言實戰》
如果要用R語言做數據分析，建議讀完《深入淺出數據分析》之後，就開始讀這本。從工具的安裝，到具體分析方法在R語言中的實現，講解詳細，可操作性極強，是一本非常值得讀的數據分析書。
- 《數據科學實戰》
這本書被業內譽為是“數據分析和機器學習之間的橋樑”。
網評：對於做了一段時間數據分析工作的人，這無疑是進階更高維度的好書，很難有一本書，能夠讓你從簡單的數據分析平滑地過渡到機器學習和數據挖掘，這本書我認為是這方面做的最好的一本。
- 《數據可視化之美》
本書單是鑑於本人多年浸淫大數據領域的經驗，按照學習大數據的階段和技術所列的書單，適合剛剛接觸大數據領域的新人。
話不多說，直接上書單！
第一階段：大數據基礎語言的學習
- Java語言基礎：Java開發介紹、熟悉Eclipse開發工具、Java語言基礎、Java流程控制、Java字符串、Java數組與類和對象、數字處理類與核心技術、I/O與反射、多線程、Swing程序與集合
- HTML、CSS與JavaScript：PC端網站佈局、HTML5+CSS3基礎、WebApp頁面佈局、原生JavaScript交互功能開發、Ajax異步交互、jQuery應用Java
- Web和數據庫：數據庫、JavaWeb開發核心、JavaWeb開發內幕
推薦書籍：
- 《Effective Java》
本書為我們帶來了共78條程序員必備的經驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個"條目"，以簡潔的形式呈現，自成獨立的短文，它們提出了具體的建議，對於Java平臺精妙之處的獨到見解，以及優秀的代碼範例。每個條目的綜合描述和解釋都闡明瞭應該怎麼做，不應該怎麼做，以及為什麼。
第二階段： Linux&Hadoop生態體系
Linux體系、Hadoop離線計算大綱、分佈式數據庫Hbase、數據倉庫Hive、數據遷移工具Sqoop、Flume分佈式日誌框架
推薦書籍：
- 《Big Data》
在大數據的背景下，我很少看到關於數據建模，數據層，數據處理需求分析以及數據架構和存儲實現問題。這本書卻提供了令人耳目一新的全面解決方案。
- 《Hadoop權威指南》
《Hadoop權威指南(中文版)》從Hadoop的緣起開始，由淺入深，結合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數據集的理想工具。
- 《Hive編程指南》
《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來彙總、查詢和分析存儲在Hadoop分佈式文件系統上的大數據集合。
第三階段： 分佈式計算
- 分佈式計算框架：Python編程語言、Scala編程語言、Spark大數據處理、Spark—Streaming大數據處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰一：基於Spark的推薦系統（某一線公司真實項目）、實戰二：新浪網（http://www.sina.com.cn）
- storm技術架構體系：Storm原理與基礎、消息隊列kafka、Redis工具、zookeeper詳解、實戰一：日誌告警系統項目、實戰二：猜你喜歡推薦系統實戰
推薦書籍：
- 《Spark 快速大數據分析》
《Spark 快速大數據分析》是一本為Spark 初學者準備的書，它沒有過多深入實現細節，而是更多關注上層用戶的具體用法。不過，本書絕不僅僅限於Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。
- 《Spark機器學習：核心技術與實踐》
本書採用理論與大量實例相結合的方式幫助開發人員掌握使用Spark進行分析和實現機器學習算法。通過這些示例和Spark在各種企業級系統中的應用，幫助讀者解鎖Spark機器學習算法的複雜性，通過數據分析產生有價值的數據洞察力。
第四階段： 大數據項目實戰
數據獲取、數據處理、數據分析、數據展現、數據應用
推薦書籍：
- 《深入淺出數據分析》
數據分析經典入門。通俗簡單，看這本書雖學不到什麼數據分析的技能點，卻能夠讓你對數據分析的相關概念有大致的瞭解。有利於你構建數據思維的基石，嘗試跟著作者的思維邏輯去思考、感悟，記住其中提到的一些數據分析原則。
- 《赤裸裸的統計學》
結合生活講解統計知識，生動有趣。作者從自身出發，講述自己從一個只知道學習的學霸，開始發現統計學的樂趣，並將其運用到生活中的故事。因此避免了統計學一上來就是各種暈頭暈腦的專業概念的枯燥感。
- 《精益數據分析》
這本書舉例了多種產品，分析了它們的指標、模型。同時將企業分成了幾個大的行業類別，並分門別類的講解了每個行業的商業模式特點及分析技巧。
ps. 對使用者的分析能力要求較高，且必須具備相應的業務知識。
第五階段：大數據分析 —AI（人工智能）
主要是講解Data Analyze數據分析基礎、數據可視化、sklearn中三類樸素貝葉斯算法以及python機器學習等提升個人能力的內容！
推薦書籍：
- 《R語言實戰》
如果要用R語言做數據分析，建議讀完《深入淺出數據分析》之後，就開始讀這本。從工具的安裝，到具體分析方法在R語言中的實現，講解詳細，可操作性極強，是一本非常值得讀的數據分析書。
- 《數據科學實戰》
這本書被業內譽為是“數據分析和機器學習之間的橋樑”。
網評：對於做了一段時間數據分析工作的人，這無疑是進階更高維度的好書，很難有一本書，能夠讓你從簡單的數據分析平滑地過渡到機器學習和數據挖掘，這本書我認為是這方面做的最好的一本。
- 《數據可視化之美》
國內第一本數據可視化教材，如果你學習可視化是剛需，看這本。
是數據可視化的入門書籍，系統介紹了可視化的相關概念和常識，教材相對於工具書更為難讀，但卻能為你增長不少對可視化的認知。