機器學習：西瓜書？
- 熟練掌握C++、Java、Python等語言中的一種或幾種，熟悉Spark、Tensorflow等平臺；
Hadoop，HIVE - 熟練掌握基礎(chǔ)機器學習知識，對2-3種模型有較深的認識。
Linux因為大數(shù)據(jù)相關(guān)軟件都是在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(shù)據(jù)相關(guān)技術(shù)會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數(shù)據(jù)軟件的運行環(huán)境和網(wǎng)絡(luò)環(huán)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(shù)據(jù)集群。還能讓你對以后新出的大數(shù)據(jù)技術(shù)學習起來更快。好說完基礎(chǔ)了，再說說還需要學習哪些大數(shù)據(jù)技術(shù)，可以按我寫的順序?qū)W下去。
Hadoop這是現(xiàn)在流行的大數(shù)據(jù)處理平臺幾乎已經(jīng)成為大數(shù)據(jù)的代名詞，所以這個是必學的。
Hadoop里面包括幾個組件HDFS、MapReduce和YARN，HDFS是存儲數(shù)據(jù)的地方就像我們電腦的硬盤一樣文件都存儲在這個上面，MapReduce是對數(shù)據(jù)進行處理計算的，它有個特點就是不管多大的數(shù)據(jù)只要給它時間它就能把數(shù)據(jù)跑完，但是時間可能不是很快所以它叫數(shù)據(jù)的批處理。YARN是體現(xiàn)Hadoop平臺概念的重要組件有了它大數(shù)據(jù)生態(tài)體系的其它軟件就能在hadoop上運行了，這樣就能更好的利用HDFS大存儲的優(yōu)勢和節(jié)省更多的資源比如我們就不用再單獨建一個spark的集群了，讓它直接跑在現(xiàn)有的hadoop yarn上面就可以了。其實把Hadoop的這些組件學明白你就能做大數(shù)據(jù)的處理了，
記住學到這里可以作為你學大數(shù)據(jù)的一個節(jié)點。
Mysql我們學習完大數(shù)據(jù)的處理了，接下來學習學習小數(shù)據(jù)的處理工具mysql數(shù)據(jù)庫，因為一會裝hive的時候要用到，mysql需要掌握到什么層度那？你能在Linux上把它安裝好，運行起來，會配置簡單的權(quán)限，修改root的密碼，創(chuàng)建數(shù)據(jù)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。
Hive
這個東西對于會SQL語法的來說就是神器，它能讓你處理大數(shù)據(jù)變的很簡單，不會再費勁的編寫MapReduce程序。有的人說Pig那？它和Pig差不多掌握一個就可以了。
Spark它是用來彌補基于MapReduce處理數(shù)據(jù)速度上的缺點，它的特點是把數(shù)據(jù)裝載到內(nèi)存中計算而不是去讀慢的要死進化還特別慢的硬盤。特別適合做迭代運算，所以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。
最后再學習下推薦、分類等算法的原理這樣你能更好的與算法工程師打交道。
作者：青牛
鏈接：https://www.zhihu.com/question/35942305/answer/296719142
來源：知乎
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處。
BAT機器學習面試1000題系列（第1~325題）
/* 其他 */
什么是boosting tree
GBDT
L1和L2正則為何可以減弱over-fitting?
L1和L2正則有什么區(qū)別
KNN和LR有什么本質(zhì)區(qū)別
怎么理解Dropout
為什么random forest具有特征選擇的功能
random forest有哪些重要的參數(shù)？
DNN為什么功能強大，說說你的理解
SVM的損失函數(shù)是什么？怎么理解
介紹下Maxout
項目中over-fitting了，你怎么辦
詳細說一個你知道的優(yōu)化算法(Adam等)
項目(比賽）怎么做的模型的ensemble
stacking是什么？需要注意哪些問題
了解哪些online learning的算法
如何解決樣本不均衡的問題
fasterRCNN中的ROIPooling是如何實現(xiàn)的
如何進行特征的選擇
如何進行模型的選擇
什么是梯度消失？怎么解決
常用的有哪些損失函數(shù)
XX用戶畫像挖掘怎么做的feature engineering?
假設(shè)一個5*5的filter與圖像卷積，如何降低計算量？
做過模型壓縮嗎？介紹下
什么是residual learning？說說你的理解
residual learning所說的residual和GBDT中的residual有什么區(qū)別？
FFM和FTRL有過了解嗎？
你對現(xiàn)在Deep Learning的發(fā)展和遇到的問題有什么看法？
