初学者大数据入门，这这些书一定要要看.doc

初学者大数据入门，这这些书一定要要看真正的数据爱好者有很多需要阅读的内容：大数据，机器学习，数据科学，数据挖掘等。除了这些技术领域，还有一些特定的技术和语言需要你继续研究：Hadoop，Spark，Python，和R等等，还有无数实现自动化的工具等等，这些工具几乎每天都会用到，这就需要你不断的学习。幸运的是，以上提到的这些都不缺关于它们的书籍。本文首先帮大家盘点几本大数据相关的书籍，这些书都是亚马逊上的畅销排行榜上的：关于大数据1、Big Data在大数据的背景下，我很少看到关于数据建模，数据层，数据处理需求分析以及数据架构和存储实现问题。这本书却提供了令人耳目一新的全面解决方案。但不可忽略的是，它也引入了大多数开发者并不熟悉的、困扰传统架构的复杂性问题。本书将教你充分利用集群硬件优势的Lambda架构，以及专门用来捕获和分析网络规模数据的新工具，来创建这些系统。关于Apache Hadoop2、Hadoop: The Definitive Guide本书通过丰富的案例学习来解释Hadoop的幕后机理，阐述了Hadoop如何解决现实生活中的具体问题。第3版覆盖Hadoop的最新动态，包括新增的MapReduceAPI，以及MapReduce2及其灵活性更强的执行模型(YARN)。关于Apache Spark3、Learning SparkSpark 快速大数据分析是一本为Spark 初学者准备的书，它没有过多深入实现细节，而是更多关注上层用户的具体用法。不过，本书绝不仅仅限于Spark 的用法，它对Spark 的核心概念和基本原理也有较为全面的介绍，让读者能够知其然且知其所以然。关于数据挖掘4、数据挖掘本书是关于数据挖掘领域的综合概述，我认为这本书作为研究生的课程用书是最好的，或者作为参考书。本书前版曾被KDnuggets的读者评选为最受欢迎的数据挖掘专著，是一本可读性极佳的教材。它从数据库角度全面系统地介绍数据挖掘的概念、方法和技术以及技术研究进展，并重点关注近年来该领域重要和最新的课题数据仓库和数据立方体技术，流数据挖掘，社会化网络挖掘，空间、多媒体和其他复杂数据挖掘。5、Mining of Massive Datasets本书是在Anand Rajaraman和Jeff Ullman于斯坦福大学教授多年的一门季度课程的材料基础上总结而成的。简单来说，本书是关于数据挖掘的。但是，本书主要关注极大规模数据的挖掘，也就是说这些数据大到无法在内存中存放。由于重点强调数据的规模，所以本书的例子大都来自Web本身或者Web上导出的数据。另外，本书从算法的角度来看待数据挖掘，即数据挖掘是将算法应用于数据，而不是使用数据来“训练”某种类型的机器学习引擎。免费电子书想从事数据科学，除了以上提及的那些书籍，还有很多这个领域的入门书籍，但是在你真正开始之前，你更应该对这个领域有一个广泛的了解。下面我们还精选了5本免费的电子书，可以帮助你更好的理解数据科学的全部内容，以及为你后续学习数据科学、大数据和数据分析做好准备。1、Big Data: The Numbers Game Deciphered要想学习简明扼要的关于大数据世界的概述，可以阅读这本只有11页的电子书，这本书以数据科学领域的最新发展为背景，读完这本书，你将可以了解到：成为数据科学家应该具备的学历数据科学领域需要具备的技术/非技术类的技能2、Top Programming Languages for a Data Scientist编程是数据科学家绝对必须具备的核心技术技能。通过这本详细的指南，了解掌握哪些编程语言可以优先考虑入门数据科学。读完这本书，你可以了解到数据科学职业的十大编程语言列表;这些编程语言的特点;如何将你掌握的技能应用于数据科学家。3、8 Essential Concepts of Big Data and HadoopHadoop可以说是大数据家族中最重要的技术，称得上是大数据革命的核心。通过阅读这本便捷指南，可以了解你需要了解的关于Hadoop及其生态系统的所有信息。4、Secret to Unlocking Tableaus Hidden PotentialTableau使分析变得简单易行，不仅适用于分析师，也适用于高层管理人员，IT专业人员以及其他所有人员。如果你正在寻找能够充分发挥Tableau功能的技巧，以及有用的黑客技巧，这本电子书将会告诉你需要了解的内容。5、Top 25 Interview Questions and Answers: Big Data Analysis即便你是一位很厉害的数据专家，在求职面试中，你依然需要绞尽脑汁让面试官对你印象深刻，否则你依然很难得到你一直梦寐以求的那个职位，这本书灰机了大数据面试最常问的问题和答案，相信可以助你一臂之力。