我們在學習大數據開發前需要先找到適合自己的方式方法，首先需要審視一下自身的情況，是否是以興趣為出發點，對大數據是不是自己是真的感興趣嗎，除了自身的興趣，「大數據自學」大數據開發自學中的注意點還有哪些，今天南京北大青鳥的老師告訴你大數據自學中特別要注意的地方。
 

　　1.零基礎自學(xue)大數據

　　對于零基礎想要學習的大數據的同學，好的方案是：先關注一些大數據領域的動態，讓自己融入大數據這樣一個大的環境中。然后找一些編程語言的資料(大數據的基礎必備技能)和大數據入門的視頻和書籍，基本的技術知識還是要了解的。在學習了一段時間之后，如果覺得自己還能應付的來，就繼續尋找大數據基礎視頻和書籍，一步一個腳印的來;如果覺得覺得自己入門都很難，要么放棄，要么舍得為自己投資一把，去選擇一家靠譜的培訓機構。如果你想選擇大數據培訓可以考慮南京北大青鳥的大數據課程培訓。

 

　　2.大(da)數據(ju)學習誤(wu)區

　　大數據學習要業務驅動，不要技術驅動：數據科學的核心能力是解決問題。大數據的核心目標是數據驅動的智能化，要解決具體的問題，不管是科學研究問題，還是商業決策問題，抑或是政府管理問題。所以學習之前要明確問題，理解問題，所謂問題導向、目標導向，這個明確之后再研究和選擇合適的技術加以應用，這樣才有針對性，言必hadoop,spark的大數據分析是不嚴謹的。不同的業務領域需要不同方向理論、技術和工具的支持。如文本、網頁要自然語言建模，隨時間變化數據流需要序列建模，圖像音頻和視頻多是時空混合建模。
 

　　3.大(da)數據自學(xue)善(shan)于開源

　　IT前沿領域的開源化已成不可逆轉的趨勢，Android開源讓智能手機平民化，讓我們跨入了移動互聯網時代，智能硬件開源將帶領跨入物聯網時代，以Hadoop和Spark為代表的大數據開源生態加速了去IOE(IBM、ORACLE、EMC)進程，倒逼傳統IT巨頭擁抱開源，谷歌和OpenAI聯盟的深度學習開源(以Tensorflow,Torch,Caffe等為代表)正在加速人工智能技術的發展。為什么要開源，這得益于IT發展的工業化和構件化，各大領域的基礎技術棧和工具庫已經很成熟，下一階段就是怎么快速組合、快速搭積木、快速產出的問題，不管是linux,anroid還是tensorflow，其基礎構件庫基本就是利用已有開源庫，結合新的技術方法實現，組合構建而成，很少在重復造輪子。所以參加大數據培訓才能更快更好的學習到系統的知識。
 

　　大數據學習一定要清楚我是在做數據科學還是數據工程，各需要哪些方面的技術能力，現在處于哪一個階段等，不然為了技術而技術，是難以學好和用好大數據的。如果你在自學大數據過程中感到迷茫或者想參加系統的培訓，可以考慮南京北大青鳥的大數據培訓課程，可以更好系統的學習大數據技能，用短的時間學會技能。