本科做大数据开发(大数据零基础能自学吗好就业吗)
1.大数据零基础能自学吗好就业吗
大数据是一系列技术的统称，经过多年的发展，大数据已经形成了从数据采集、整理、传输、存储、安全、分析、呈现和应用等一系列环节。
零基础学习大数据。如果你想学习这个最后找工作，我希望你慎重考虑。
一，如果你是计算机专业的，不管毕业与否，自学这个，比较好入门，并且以后找工作也算是专业对口。
二，如果你不是计算机专业，并且已经大学毕业了，自学就很费劲了，也更费时间，你没有一个详细的学习规划简直太浪费时间精力，最好是能报个班，有个系统的学习规划要比一个人在家里啃书自学强的多。
大数据前景很好，目前国内大数据人才缺乏，大数据的应用十分广泛，大数据不仅包括企业内部应用系统的数据分析，还包括与行业、产业的深度融合。
2.光环大数据的大数据培训收费高,自学大数据开发可取吗
每个城市所存在的机构都不一样。最好选择覆盖地区广的，比较权威的培训机构。大数据的专业要求很高。目前敢培训大数据的学校都是具备一定专业性的，主要看看是否能提供真实的案例来供学生们分析来进行专业性的判断。多看看网络上的口碑。现在的培训费用都很高，基本在1-2W之间，大数据会更贵一点，1.5W-2.5W。培训行业普遍都这个价，包括孩子的家教费用也无敌，你懂得。
如果自学的话，就要选好学习资料，最好身边有一个懂一些技术的可以帮助指导。有毅力坚持下去。以下给你一些方向。
需要掌握的专业技术：
坚实的Java技术作为基础支持，之后学习：Hadoop，大数据存储，大数据架构设计，大数据实时计算，大数据数据采集，大数据商业实战等。
技术人员就业方向：大数据系统研发人才，大数据应用开发人才和大数据分析人才。
3.参加大数据培训班真的能学懂吗
第一个问题：大数据好不好学？
总结了一下几种情况，供参考。
1.对于有开发经验的同学来说，学大数据还是比较容易的，比如你现在是做JAVA开发的，那么你转行大数据做JAVA大数据开发，只需要把大数据框以及相关大数据技术学到，再辅以一定的项目练习，基本就可以干活了；如果你现在是做的Python开发，同样你也只需要学好大数据框架以及相关技术，再辅以相关项目就可以从事Python大数据开发了。
2.如果你是零基础，学习能力一般，在理解概念会稍微慢一点，比如学到JAVA面向对象的时候，这部分同学就比较懵了，但是只要肯付出，愿意多问，愿意去琢磨，也能得到理想的结果。
3.零基础学习能力很强，比如毕业于211、985高校，相对来说，学起来就比较轻松。在我们的大数据培训班，50%以上都是这样的学生，不得不说，学习能力强，学啥都快，不光是编程。
第一种有开发经验，他们会去主动学习；第三种学习能力强，他们相信自己能学会。但第二种他们缺乏自信，也是比较犹豫的一部分人。
三种人中，也以第二种学生居多。如果想转行，三点建议，可供参考。
1.不要犹豫，先学。先找学习资料，从零开始学，只有你真的开始去学了，才能知道好不好学。
2.统招本科学历，学大数据，找大数据开发工作。目前一线城市的企业，对大数据开发工程师的学历要求都是本科。
3.大专学历，学JAVA，找JAVA开发工作。学历不够，先把JAVA学好，找一份JAVA开发工作，如果对大数据感兴趣，可做2年JAVA开发后，再转大数据，用开发经验来弥补学历的短板。
希望对你有帮助~
4.大数据分析自学能行吗
大数据听起来高大上，真正了解大数据的2113人都清楚大数据行业是非常辛苦的。大数据的内容涉及到较多的基础内容，只有把基础内容融会贯通以后，才会往更高一层的数据分析师前进。
首先，想零基础学习大数据分析工5261作，一般最好有个本科的学历，大专也行。只是专科学历即4102使掌握了一定的大数据分析技术，在就业市场上的核心竞争力比较低，现在用人单位对于数据分析1653的职位的最低要求是本科及以上学历。
零基础学习大数据分析工作，需要有一定的编程能力，编程能力是可以练习与提升的。
目前大数据行业对于对于人才的要求也比较全面且严格。对于高级的大数据分析人才，会SAS、R、PYTHON三个软件中的一个或者多个是基础的要求，回同时要求有一定的数理统计基础，这是对专业知识的要求，懂业务、有逻辑答、对数据敏感、能够写分析报告、用数据解决实际问题，这是对数据分析人才的高级要求。
5.想做大数据开发,可以培训吗
首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。
Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据基础。Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。
还能让你对以后新出的大数据技术学习起来更快。Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。
Hadoop里面包括几个组件HDFS、MapReduce和YARN,HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapReduce是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。
它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那？你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。
这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。
当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapReduce程序。
有的人说Pig那？它和Pig差不多掌握一个就可以了。Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapReduce、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。
我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。
所以他常被用于大数据处理完成之后的存储目的地。Kafka：这是个比较好用的队列工具，队列是干吗的？排队买票你知道不？数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据（比如好几百G的文件）我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。
而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方（比如Kafka）的。
Spark：它是用来弥补基于MapReduce处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。
它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。
