谢谢信任。
学习大数据，分很多层次，看你自己的要求。如果想学到自己能应用起来，能编程能采集。那投入的心思和金钱都不少。
建议循序渐进，1.先找慕课中的一些课程先学习。推荐个超级APP：学习强国，里面的慕课全免费，很多大数据的课程。
学完这些基础后，自己心里会有大概的形象认识，之后再做判断是否进一步学习。
2.至于大数据技能的练习，可以注册阿里云的ID，里面有tensorflow等一大批大数据工具可以直接试用，个人用户免费的。
以上建议，希望能对你的判断有所帮助！
那就需要进去大公司网站了。实习才能学习到实用的。
刚好本人在一线互联网公司做大数据、算法方面工作，希望我的回答能对您有帮助。
大数据重点在“大”字，一般数量级都百亿甚至千亿以上。传统的数据处理方法已经无法适用。
因此要学习大数据处理技术，要从两方面着重学习。
第一方面，分布式的数据处理框架。由于数据量大，单个物理机是无法完成数据处理任务的，因此需要用分布式数据处理框架，比较常见的例如hadoop、spark等等。
另一方面，数据处理是为了获取其中的信息，因此一些常见的数据处理算法也是必要的。例如数理统计、逻辑回归、pca、聚类、分类回归树、深度学习等等。
希望我的回答能够帮到您，如果您对我的回答满意的话还请给个优质回答哦
随着信息化时代迅速发展，大数据在我们生活和工作中扮演着重要角色，大数据开发也逐渐的发展成熟起来，有越来越多的小伙伴慢慢对大数据熟悉起来，甚至有些小伙伴想从事大数据开发行业。
想要从事大数据开发行业，就必须对大数据开发进行系统的学习，小伙伴要知道，大数据开发是比较复杂的编程语言，而且还具有较强的综合性，大数据开发将会运用到Linux系统、java编程基础、web编程等语言，小伙伴想要自学恐怕是比较困难的，想要系统的学习大数据，还需要进行大数据培训。
1.基础知识的积累
学习大数据开发是需要有一定的编程基础和较强的思维逻辑能力的。所以零基础小伙伴想要学好大数据开发技术，首先必须积累更多的基础知识之后，才能学习相关大数据开发技术知识。
2.制定合理的学习计划
零基础小伙伴在大数据培训班学习时，要根据培训班的课程内容制定适合自己的学习计划，在学习过程中，根据计划来学习，才能增强学习主动性。
3.项目实战案例的练习
小伙伴学习大数据开发技术，基础知识固然重要，但是只学习基础理论知识是纸上谈兵，大数据开发技术的学习更注重于实战经验的积累，因此小伙伴要注重项目实战案例的练习。
4.找到适合自己的学习方法
无论小伙伴选择什么样的学习方式，选择适合自己的学习方法是非常重要的。在学习过程中，小伙伴可以去借鉴别人的学习方法，但并不是去抄袭、复制，是合理的借鉴磨合，让别人好的学习方法融入到自身学习思路当中。
小伙伴在学习大数据开发技术的过程中，要端正自身的学习心态，养成良好的学习和善于反思总结的习惯。尚硅谷大数据培训班是一家比较靠谱的线下面授IT教育培训机构，以理论实践相结合的教学方式，更大程度的让小伙伴在学习过程中，积累更多的项目实战经验！
很高兴回答你的问题
我是用Python来进行数据处理
首先，我们拿到一个数据，使用jupyternotebook来打开这个数据，这里我使用pandas来进行数据的导入，请注意我这里的数据格式为csv的，如果不是请换成别的格式即可。
导入数据后，我们就需要对它进行筛选、进行洗涤。比如说：数据里有一些空值、一些0值，我们要知道有多少，对整体有没有影响，那么我们就需要如下操作。lineits_sample.isnull().sum()这句是用来统计空值总数的；那么，如果我们要统计下为0值的个数，我们可以这样，(lineits_sample<0).sum()。这里解释下：
lineits_sample
是一个csv格式的数据名。当然这只是对数据进行了简单处理（清洗），如果我们需要对数据进行聚类、降维那就需要了解更多的操作。根据具体的要求来进行相关性操作。这里我使用PCA来进行降维。我想说Python可以很好的完成数据处理任务，一个是它开源，二个是支持库很多，随拿随用很方便！
处理后的数据可视化分析图
这里简单说一下，我不知道你处理数据需不需要分析，可视化。我用的是matplotlib
展示出来的效果如下：
当然还有很多种分析情况画出的分析图。这里就不在多说。
更多精彩，敬请期待！
感谢邀请。
学习大数据这个问题面前很大，我想你讲的是大数据开发的技术。
1.首先是编程语言：大数据面比较广，但是现在主流的框架还是比较集中：hadoop，spark，strom等。主要支持语言有Python，JAVA，scala等。如果没有开发经验建议学习Python，易学，在后续的数据分析深度学习等方面也比较好过度。
2.如何学习：学习一项技术的目的是解决问题。如果想快速掌握，建议先概括的了解大数据技术的边界和一些应用场景，然后结合具体问题进行实践，然后再总结复盘。
3.如果解决具体问题：首先要先搞清楚问题的核心，明确目标，以及衡量解决问题的主要指标。然后根据指标要求选择技术方案，最后安排计划。切记求大求全，重新发明轮子。
4.适应变化：技术变化非常快，建议持续关注技术得更新，并进行实践了解，保证个人知识的迭代。
希望对你有帮助。
谢谢！这是一个新鲜课题，我答复不了，谢谢。
想做数据处理尤其是大数据量处理的相关工作必须兼具计算机科学基础和统计基础。
现在有一个高大上的职业叫数据科学家，有人说数据科学家就是一个比程序员更懂统计的统计学家，一个比统计学家更会编程的程序员。觉得说得很形象。
海量数据分成两块，一是系统建设技术，二，海量数据应用。
先说系统建设，现在主流的技术是HADOOP，主要基于mapreduce的分布式框架。目前可以先学习这个。但是我的观点，在分布式系统出来之前，主要是集中式架构，如DB2，oracle。
为什么现在用分布式架构，那是因为现在集中式架构受限于IO性能，出来速度慢，如果又一种硬件技术，可以很快地处理海量数据，性能上能满足需求，那么集中式架构优于分布式架构，因为集中式架构稳定，运维压力小。
现在的集中式架构要么性能达不到要求，要么就是过于昂贵。我期待一种技术出现，可以非常快地传输和处理数据，那么集中式架构将再次进入人们眼球。
再说海量数据应用。海量数据应用主要是数据挖掘和机器算法。具体有不同的应用场景，如个性化搜索和推荐，社交网络发现，精准营销，精准广告，实时最优路径，人工智能等等。看你想做系统支撑技术还是与业务结合的应用技术。
大数据的学习，最难的就是入门，如果传智播客给到学生建议的话，就是好好学习sql，要能熟练使用，并且多学习大数据处理的相关思想；下面给有需要的小伙伴罗列一个2019年全套的大数据学习路线图：
大数据处理相关技术，所需要掌握的是Java语言和Linux操作系统。这两个是基础，学习顺序的话不分先后。技术方面最快的学习路径就是直接学习相关的主流框架。很多人提到框架的话，就会觉得很难。其实我们只要是知道相关框架的调用方法，就会轻松很多。
Hadoop：
在接触hadoop之前，大家需要有一定的Java基础。为此给自学的小伙伴提出的建议是首先学习Linux，然后学习adoop的生态系统。在学习Hadoop的第一个阶段就是可以熟练的搭建伪分布式集群以及完全分布式集群。也就是先让hadoop的环境搭建起来，能正常运行wordcount程序，我们才可以接下来的分析hadoop生态系统。
Zookeeper：
可以称之为万金油，安装Hadoop的HA的时候会用到它。之后学到Hbase的话也会用到。一般就是相互协作的信息。
Mysql：
我们学习完大数据的处理，下面就是要学习小数据的处理工具mysql数据库。因为装hive的时候会用到。那么mysql需要掌握什么呢，就是我们可以Linux上把它装好，运行起来。要学会配置简单的增删改查，修改root的密码，创建数据库。主要是学习语法。
接下来的知识点我就不一一罗列了，我们在每个阶段学习结束后，都要清楚的知道自己有没有什么缺乏。那么可以按照下图来检验自己的知识点是否掌握清晰：
随着当今信息化时代的快速发展，从IT时代已经来到了DT时代。其中大数据则是扮演着至关重要的角色，因此有越来越多的人接触和学习到大数据，那怎么能学习好大数据处理呢，具体内容如下：
1.打牢扎实的基本功
万丈高楼也都是从地基打起的，开始学习大数据处理之前，掌握扎实的基本功是非常重要的，它将会决定你未来的高度。基本功包括掌握Python，JAVA等支持大数据的编程语言、Linux操作系统、常用的主流数据库以及达标的高数和英语水平。
2.了解大数据相关技术
了解大数据处理的工作运行机制，hadoop、spark、strom等关于大数据主流的框架以及相关的算法软件。
3.制定合理学习计划
有了计划，学习就有了明确的目标和具体的步骤，可以增强工作的主动性和减少盲目性。根据自身基础和学习状态制定出一套切实可行的学习计划，计划一定要分解到位，进行细化。并按照制定好的计划，一步一步地落实完成。
4.培养快速学习能力
对于不了解和专业性比较强的知识，我们可以通过网络检索、访问学术网站或者查阅学术文献等方式来对相关知识进行学习，快速地进入和熟悉未知的领域，丰富自己的能力。
5.积累大量实战经验
再好的知识储备没有实际的演练，也终将是纸上谈兵。将学会的知识在实际项目中历练获取相应的经验值，知识才会真正的落地，自身才会得以提升。
6.养成归纳总结习惯
学习到的知识只有通过不断的归纳总结和及时复习，才会成为自身可以运用的能力。对于不够扎实和遗忘的地方，在学习的过程中需要多思考和总结，并以文档的形式记录下来转化为自己的东西。