课程简介：

今天分享的内容目前在压一线大厂担任高级算法专家，曾经主导过数据平台建设、推荐系统、数据流框架设计、数字化内容运营平台、用户画像平台等大型的系统。在这些工作的过程当中，我有幸熟悉了以个性化推荐为应用的大数据体系，上下游工作所涉及的推荐系统有日活百万级、千万级甚至上亿级，他们所使用的大数据体系各有不同，在当下的互联网公司当中，推荐系统几乎成了一个标配，用于解决信息过载问题，提高用户体验，提升公司的整体效益，而围绕着推荐系统，公司要构建的是一套大数据体系，从数据的收集、存储，到数据的分析、计算，最后在推荐系统上进行应用，从而发挥大数据的价值。
我们每听到有人在说大数据，但是大数据到底是什么呢？又代表着怎样的发展趋势？貌似有不少人都会有这样的误解，在大数据当中，数据越多越好，数据够多就可以有更多的价值，那我们是小公司，所以跟大数据它没有关系，大数据就是Hadoop，除了这些，其实还有更多其实不是这样的，大数据并不是越多越好，数据也有好坏之分，只有挖掘出数据背后的关系和价值，这才是真正的大数据之道。
另外，是否需要做大数据是由公司的业务来决定的，并不是小公司就和大数据没有关系，还有，Hadoop绝对不等于大数据，虽然Hadoop已经成为了大数据领域的标准工具，但是在这个领域之内还存在有其他类型的处理系统，那之所以我们对大数据有各种各样的误解，主要还是因为大数据本身是一个很庞杂的体系，作为一个火热概念，很多人在宣讲自己成果的时候，都把大数据挂在嘴边，以至于很多公司以为只要搭建起了大数据体系，一股脑的把数据收集起来，就能够提升公司的业绩，发现新的商机。
我根据以往的经历，大概整理了一副大数据技能图谱，这份图谱汇总了这么多年来，我接触过有关大数据的各种工具、框架以及方法，你可以体会一下，从图谱当中你可以看出大数据有很多方向，比如数据可视化、数据分析、数据仓库等等，每一个方向都有对应所要学习的技能，面对如此庞大的体系，从业者的学习曲线也十分的陡峭。
这些年来我也磕磕绊绊绕了不少弯路，有些时候要花费不少的时间，却了解各种术语和陌生词汇到底是个什么。比如说Hadoop生态里的haveHbaseHDFS，广告投放中的cpaCpcCPM推荐系统当中常用的CTR，cVR，dau等等，所以在这门课程当中，我也希望能够把这些经验或者教训来告诉，减少你学习路上的绊脚石，帮你建立框架感，提升学习效率。
大数据体系如此庞大，它的职业发展路径无疑也有很多，我总结了三个大方向，你可以根据爱好和自身情况来做具体的选择。第一个是大数据架构方向，这一方向的主要工作是从众多的大数据工具当中选取合适的工具，并且能够让这些工具在庞大的云服务器或者集群当中有良好的配合和运转来支撑上层的应用。职业发展路径是从数据运维工程师到高级运维工程师，再到架构师，最后到技术专家，所涉及的技能主要在图谱的左半部分，比如通用框架、流式计算、消息队列、资源调度等等，然后是大数据开发方向，每家公司的情况各有不同，业务也各有不同，因此想要数据能够在这些工具当中良好的运转以及适配公司的业务，就需要大数据开发工程师来进行建设。

课程截图：

课程目录：

[6512]开篇词如何在庞大的大数据体系中明确路径？.md
[6513]01从天气预报看什么是大数据.md
[6514]02从萌芽到爆发，大数据经历了哪些发展？.md
[6515]03为了追赶当下趋势，我们要做什么思想准备？.md
[6516]04阿里美团这些大厂都在用什么大数据架构？.md
[6517]05大数据开发必备工具——Hadoop.md
[6518]06精准溯源：大数据中的数据到底是从哪儿来的？.md
[6519]07专为解决大数据存储问题而产生的HDFS.md
[6520]08HBae和Hive你能分清楚吗？.md
[6521]09让你彻底明白为什么大公司都在做云服务.md
[6522]10消息系统Kafka与Flume如何抉择.md
[6523]11MapReduce处理大数据的基本思想有哪些.md
[6524]12Spark与Flink的爱恨情仇（上）.md
[6525]13Spark与Flink的爱恨情仇（下）.md
[6526]14带你聊一聊标准化数据挖掘全流程.md
[6527]15让你一看就懂的数据挖掘四大经典算法.md
[6528]16计算机视觉VS自然语言处理，你选哪个？.md
[6529]17如何深入分析电商数据中的价值？.md
[6530]18数据可视化：如何直观地“看见”数据？.md
[6531]19如何快速搭建一个推荐系统？.md
[6532]20如何从零开始做数据化运营？.md
[6533]21大数据环境下如何保护隐私.md
[6534]22数据中台：用大数据赋能业务.md
[6535]彩蛋大数据时代，未来将去向何方.md
[6536]结束语得大数据者得天下.md
文档
[6512]开篇词如何在庞大的大数据体系中明确路径？.mp4
[6513]01从天气预报看什么是大数据.mp4
[6514]02从萌芽到爆发，大数据经历了哪些发展？.mp4
[6515]03为了追赶当下趋势，我们要做什么思想准备？.mp4
[6516]04阿里美团这些大厂都在用什么大数据架构？.mp4
[6517]05大数据开发必备工具——Hadoop.mp4
[6518]06精准溯源：大数据中的数据到底是从哪儿来的？.mp4
[6519]07专为解决大数据存储问题而产生的HDFS.mp4
[6520]08HBae和Hive你能分清楚吗？.mp4
[6521]09让你彻底明白为什么大公司都在做云服务.mp4
[6522]10消息系统Kafka与Flume如何抉择.mp4
[6523]11MapReduce处理大数据的基本思想有哪些.mp4
[6524]12Spark与Flink的爱恨情仇（上）.mp4
[6525]13Spark与Flink的爱恨情仇（下）.mp4
[6526]14带你聊一聊标准化数据挖掘全流程.mp4
[6527]15让你一看就懂的数据挖掘四大经典算法.mp4
[6528]16计算机视觉VS自然语言处理，你选哪个？.mp4
[6529]17如何深入分析电商数据中的价值？.mp4
[6530]18数据可视化：如何直观地“看见”数据？.mp4
[6531]19如何快速搭建一个推荐系统？.mp4
[6532]20如何从零开始做数据化运营？.mp4
[6533]21大数据环境下如何保护隐私.mp4
[6534]22数据中台：用大数据赋能业务.mp4
[6535]彩蛋大数据时代，未来将去向何方.mp4
[6536]结束语得大数据者得天下.mp4