搜尋結果
2016年12月12日 · 要製作目錄筆記首先很重要的就是「略讀」，打個比方就像是一位將軍上到戰場，他不必掌握整個細節，卻要能夠在極短的時間內掌握整個戰場的情勢，抓住大方向。 「略讀」這件事非常的重要，可以讓你避免見樹不見林的謬誤，這正好是大多數認真卻沒有方法的學習者常會犯的錯誤。 略讀這件事有三個最重要的原則，其他細節則是能夠根據自身情況去做調整。 「略讀」的三個原則： 1. 如果整本書有目錄一定要先看目錄. 簡單來說，目錄就是作者幫你整理好的略讀的重點，根本沒有不讀的道理，但事實上很多人幾乎是跳過目錄不看的，只要我們能善用目錄，稍微花些時間想想看作者為什麼要這樣編排章節的順序，往往就能抓到作者的目的，讓略讀這件事情容易許多。 2. 快速讀完整本書，且不要因為看不懂而停下來.
2019年8月13日 · 機器學習：電腦利用數據自主學習並優化性能. 機器學習是一種能從數據中學習的電腦程式科學以及藝術，就像下面這句話：. 機器學習是使電腦無需顯式程式碼就能學習的研究領域。. ——阿瑟．塞繆爾，1959 年. 不過還有一個更好的定義：. 如果一個程式在使用 ...
2017年2月25日 · 一，數據視覺化的圖表類型簡介. 數據視覺化有很多既定的圖表類型，下面我們分別來談談這些圖表類型，他們的適用場景，以及使用的優勢和劣勢。 柱狀圖. 適用場景：它的適用場合是二維數據集（每個數據點包括兩個值x和y），但只有一個維度需要比較。 優勢：柱狀圖利用柱子的高度，反映數據的差異。 肉眼對高度差異很敏感，辨識效果非常好。 劣勢：柱狀圖的局限在於只適用中小規模的數據集。 折線圖. 適用場景：折線圖適合二維的大數據集，尤其是那些趨勢比單個數據點更重要的場合。 優勢：容易反應出數據變化的趨勢。 圓餅圖. 適用場景：適用簡單的占比圖，在不要求數據精細的情況下可以適用。 劣勢：圓餅圖是一種應該避免使用的圖表，因為肉眼對面積大小不敏感。 漏斗圖.
- 引言
- 目錄表
- 如何開始？
- 在大數據行業有哪些職業需求？
- 你的領域是什麼，適合什麼方向？
- 根據領域規劃你的角色
- 如何成為一名大數據工程師
- 大數據學習路徑
- 資源
大數據的領域非常廣泛，往往使想要開始學習大數據及相關技術的人望而生畏。大數據技術的種類眾多，這同樣使得初學者難以選擇從何處下手。 這正是我想要撰寫本文的原因。本文將為你開始學習大數據的征程以及在大數據產業領域找到工作指明道路，提供幫助。目前我們面臨的最大挑戰就是根據我們的興趣和技能選定正確的角色。 為了解決這個問題，我在本文詳細闡述了每個與大數據有關的角色，同時考量了工程師以及計算機科學畢業生的不同職位角色。 我盡量詳細地回答了每一項人們在學習大數據過程中遇到或可能會遇到的問題。為幫助你根據興趣選擇發展途徑，我添加了一組樹圖，相信會對你找到正確的途徑有所幫助。 在這個樹狀圖的幫助下，你可以根據你的興趣和目標選擇路徑。然後，你可以開始學習大數據的旅程了。
1. 如何開始？ 2. 在大數據領域有哪些職位需求？ 3. 你的領域是什麼，適合什麼方向？ 4. 勾勒你在大數據領域的角色 5. 如何成為一名大數據工程師？ o 什麼是大數據行業術語？ o 你需要了解的系統和結構 o 學習去設計解決方案並且學習相關技術 6. 大數據學習路徑 7. 資源
人們想開始學習大數據的時候，最常問我的問題是，「我應該學 Hadoop（hadoop是一款開源軟體，主要用於分佈式存儲和計算，他由 HDFS 和 MapReduce 計算框架組成的，他們分別是 Google 的 GFS 和 MapReduce 的開源實現。由於 hadoop的易用性和可擴展性，因此成為最近流行的海量數據處理框架。hadoop 這個單詞來源於其發明者的兒子為一個玩具大象起的名字。）, 分佈式計算，Kafka（Kafka 是由LinkedIn 開發的一個分佈式基於發布/訂閱的消息系統）, NoSQL（泛指非關係型的數據庫）還是 Spark（Spark 是一種與Hadoop 相似的開源集群計算環境，但是兩者之間還存在一些不同之處）？」 而我通常只有一個答案：「這取決於你究竟想做什麼...
在大數據行業中有很多領域。通常來說它們可以被分為兩類： 1. 大數據工程 2. 大數據分析 這些領域互相獨立又互相關聯。 大數據工程涉及大量數據的設計，部署，獲取以及維護（保存）。大數據工程師需要去設計和部署這樣一個系統，使相關數據能面向不同的消費者及內部應用。 而大數據分析的工作則是利用大數據工程師設計的系統所提供的大量數據。大數據分析包括趨勢、圖樣分析以及開發不同的分類、預測預報系統。 因此，簡而言之，大數據分析是對數據的高級計算。而大數據工程則是進行系統設計、部署以及計算運行平台的頂層構建。
現在我們已經了解了行業中可供選擇的職業種類，讓我們想辦法來確定哪個領域適合你。這樣，我們才能確定你在這個行業中的位置。 通常來說，基於你的教育背景和行業經驗我們可以進行如下分類： 1. 教育背景（包括興趣，而不一定與你的大學教育有關） 2. 計算機科學 3. 數學 4. 行業經驗 5. 新人 6. 數據學家 7. 計算機工程師（在數據相關領域工作） 因此，通過上面的分類，你可以把自己的領域定位如下： 例 1：「我是一名計算機科學畢業生，不過沒有堅實的數學技巧。」 你對計算機科學或者數學有興趣，但是之前沒有相關經驗，你將被定義為一個新人。 例 2：「我是一個計算機科學畢業生，目前正從事數據庫開發工作。」 你的興趣在計算機科學方向，你適合計算機工程師（數據相關工程）的角色。 例 3：「我正作為數...
現在你已經確定了你的領域，下一步，讓我們規劃出你要努力的目標職位吧。 如果你有卓越的編程技巧並理解計算機如何在網路（基礎）上運作，而你對數學和統計學毫無興趣，在這種情況下，你應該朝著大數據工程職位努力。 如果你擅長編程同時有數學或者統計學的教育背景或興趣，你應該朝著大數據分析師職位努力。
讓我們先定義一下，一名受到行業承認的大數據工程師都需要學習和了解什麼。首先以及最重要的一步是確認你的需求。你不能在不清楚個人需求的情況下直接開始學習大數據。否則，你將一直盲人摸象。 為了明確你的需求，你必須了解常用的大數據術語。所以讓我們來看一下大數據到底意味著什麼？ 5.1 大數據術語 大數據工程通常包括兩個方面– 數據需求以及處理需求。 5.1.1 數據需求術語 結構：你應該知道數據可以儲存在表中或者文件中。儲存在一個預定義的數據模型（即擁有架構）中的數據稱為結構化數據。如果數據儲存在文件中且沒有預定義模型，則稱為非結構化數據。（種類：結構化/非結構化）。 容量：我們用容量來定義數據的數量。（種類：S/M/L/XL/XXL/流） Sink 吞吐量：用系統所能接受的數據率來定義 Sink ...
現在，你已經對大數據行業，大數據從業人員的不同角色和要求有所了解。我們來看看你應該遵循哪條路來成為一名大數據工程師。 我們知道大數據領域充斥著多種技術。因此，你學習與你的大數據工作角色相關的技術非常重要。這與任何常規領域有點不同，如數據科學和機器學習中，你可以從某些地方開始並努力完成這一領域內的所有工作。 下面你會發現一個你應該通過的樹狀圖，以找到你自己的路。即使樹狀圖中的一些技術被指向是數據科學家的強項，但是如果你走上一條路，知道所有的技術直到「樹葉節點」總是很好的。該樹狀圖源自 lambda 架構範例。 任何想要調配應用程序的工程師必須知道的基本概念之一是 Bash 腳本編程。你必須對 linux 和 bash 腳本編程感到舒適。這是處理大數據的基本要求。 核心是，大部分大數據技術都是用...
初學者的 Bash 指南，來自 Machtelt Garrels 1. Python 1. 讓每個人變成python專家，來自Coursera 2. 用Python學數據科學之路，來自Coursera 2. Java的 1. Java 編程簡介1：開始使用 Java編碼，來自Udemy 2. 中級和高級 Java 編程，來自 Udemy 3. Java 編程介紹2，來自 Udemy 4. 面向對象 Java 編程：數據結構和超越專業化，來自 Coursera 3. 雲 1. 大數據技術基礎，來自亞馬遜網絡服務 2. AWS上的大數據，來自亞馬遜網絡服務 4. HDFS 1. 大數據和 Hadoop 要點，來自 Udemy 2. 大數據基礎，來自大數據大學 3. Hadoop 入門工具包 4....
2019年6月12日 · Google 的研究人員用 TensorNetwork 實現了一個樹狀張量網路（ TTN） 算法，用來逼近週期量子自旋鏈（ 1D） 或薄環面（ 2D） 上的點陣模型的基態。 在這個任務中，使用了 TensorNetwork 庫的 GPU ，與沒有使用 TensorNetwork 庫的 CPU 相比，運算速度顯著提高了 100 倍。
2018年1月26日 · 本文提供了 7 種方法，不管是地圖、數據、發展分析都十分適用，相信大家一定可以在其中找到適合自己的方式！. 此外，本文缺少了「如何」製作出相關的報表，也歡迎大家共同敲碗，希望作者可以寫出教學來！. （責任編輯：陳君毅）. 文：李曉麗（於專注於 ...
2017年12月11日 · 【我們為什麼挑選這篇文章】你是不是也曾有過這種經驗，花了很多時間想辦法美化文案、網站甚至是報告用的 PPT ，卻就是弄不出自己滿意的好質感？ 這篇文章一次整理了11 個超實用網站，幫你把配色都挑好配好，你只選要點點選選，網頁、文案和 PTT 就全都質感升級，完全不用煩惱！連我都立馬 ...
