telling/全栈数据主要技术点

全栈数据，主要技术点

用技术催眠自己

任柳江 《全栈数据之门》作者2017.06.25

1. 平台技术分布式计算平台 (Hadoop)深度学习平台（GPU）

重点：环境搭建，部分做数据分析的人，可能会卡在环境的搭建上，主要需要Linux技能。

2. 全栈基础SQL技术Linux及Shell, vim/find/grep/sed/awk/git统计、概率基础编程能力（以工程为导向）大数据框架数据处理&算法笔记与文档（markdown）

重点：全面的熟悉数据科学中的知识点。

3. 分布式技术hadoop（hdfs&mr）Hive(sql)Spark(rdd,df,sql)SqoopHbase/Cassandra采集与消息队列：Flume/Kafka/Storm全文索引(solr, elasticsearch)

重点：熟悉处理海量数据的常用工具，存储与分析，每个工具的适用场景

4. 数据库技术MySQLPostgresqlMongoDBRedis

重点：数据库是数据分析中最常用的依托，熟悉SQL语句，以及如果使用Python来进行数据处理。

5. 语言技术SQL语句（常用join语句）pythonpython2与python3的问题库：numpy, pandas, scikit-learn，nltk, pyltp, pyspark、anacondaR学术界，快速建模Scala、java

重点：学习语言，是自动化处理数据和建模的必备工具，SQL必备，Python与R至少需要熟悉一种。要工程应用，Python是必备。

6. 数据挖掘数据采集：rsync, api, MQ, 爬虫(scrapy)数据清洗：SQL，Linux，py，R特征工程：特征选择，特征变换算法建模：各种框架与算法模型评估：precision,recall,f1，mse应用与可视化

重点：了解数据处理的一些常用方法，理解特征工程的方法，熟悉主流挖掘算法的基本过程，会调用相应的库来建模，理解算法评估的常用指标。

7. 机器学习

聚类、分类、回归kmeans, knn, logistic regression, linear regression， navie bayes, 决策树、随机森林、神经网络、Xgboost

自然语言处理CRF、分词、识别、语义分析，word2vec，深度学习(cnn,rnn)

个性推荐，用户画像

深度学习应用（非结构化）：图片，语音，视频，自然语言处理算法：auto encoder, cnn, rnn, lstm框架：tf/keras/mxnet/caffe/pytorch

遗传算法：优化，gp

重点：理解主流算法的应用场景及其主要参数，熟悉自然语言处理中一些基本的方法大数据堆栈，理解深度学习的主要思想，熟悉一、两个深度学习框架，能使用迁移学习做一些图片分类的任务。

8. Web与可视化Excel, matplotlib, seabornDjango/Flask,JS/Html5/css3（Web开发）superset(druid, mysql, postgresql, 简单易用的数据可视化界面)zeppelin（支持分布式环境的Web笔记）beakernotebook(ipython、jupyter，支持多种语言的Web笔记)Orange3（图形化的Web挖掘工具）airflow（Data pipeline监控）DataScienceStudio（基于Web的数据分析、建模工具）

重点：数据可视化工具，数据可视化挖掘工具，交互式笔记工具，事半功倍的工具，数据分析入门的好工具，个人珍藏收集。

9. Spark全栈RDD/DataFrameML/MLLibSQLStreamingGraphX（PageRank）spark/pyspark/sparkR

重点：当今世界最流行、不可多得的、分布式的，全栈数据处理、分析、挖掘环境。

10. H2O框架h2o-flow（基于Web的自动化建模环境）算法（drf, gbdt, word2vec，glrm）sparkling water（结合Spark的优势）deepwater（深度学习环境）steam（建模与部署一体化）

重点：如生命离不开水一般，简单、优雅的数据挖掘、深度学习环境。高效的算法执行速度，高精度的算法产出。

（编辑：温州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!