本書單是鑒于本人多年浸淫大數(shù)據(jù)領(lǐng)域的經(jīng)驗，按照學習大數(shù)據(jù)的階段和技術(shù)所列的書單，適合剛剛接觸大數(shù)據(jù)領(lǐng)域的新人。

話不多說，直接上書單！

第一階段：大數(shù)據(jù)基礎(chǔ)語言的學習

• Java語言基礎(chǔ)：Java開發(fā)介紹、熟悉Eclipse開發(fā)工具、Java語言基礎(chǔ)、Java流程控制、Java字符串、Java數(shù)組與類和對象、數(shù)字處理類與核心技術(shù)、I/O與反射、多線程、Swing程序與集合
• HTML、CSS與JavaScript：PC端網(wǎng)站布局、HTML5 CSS3基礎(chǔ)、WebApp頁面布局、原生JavaScript交互功能開發(fā)、Ajax異步交互、jQuery應(yīng)用Java
• Web和數(shù)據(jù)庫：數(shù)據(jù)庫、JavaWeb開發(fā)核心、JavaWeb開發(fā)內(nèi)幕

推薦書籍：

• 《Effective Java》

本書為我們帶來了共78條程序員必備的經(jīng)驗法則，針對你每天都會遇到的編程問題提出了有效、實用的解決方案。 書中的每一章都包含幾個'條目'，以簡潔的形式呈現(xiàn)，自成獨立的短文，它們提出了具體的建議，對于Java平臺精妙之處的獨到見解，以及優(yōu)秀的代碼范例。每個條目的綜合描述和解釋都闡明了應(yīng)該怎么做，不應(yīng)該怎么做，以及為什么。

第二階段： Linux&Hadoop生態(tài)體系

Linux體系、Hadoop離線計算大綱、分布式數(shù)據(jù)庫Hbase、數(shù)據(jù)倉庫Hive、數(shù)據(jù)遷移工具Sqoop、Flume分布式日志框架

推薦書籍：

• 《Big Data》

在大數(shù)據(jù)的背景下，我很少看到關(guān)于數(shù)據(jù)建模，數(shù)據(jù)層，數(shù)據(jù)處理需求分析以及數(shù)據(jù)架構(gòu)和存儲實現(xiàn)問題。這本書卻提供了令人耳目一新的全面解決方案。

• 《Hadoop權(quán)威指南》

《Hadoop權(quán)威指南(中文版)》從Hadoop的緣起開始，由淺入深，結(jié)合理論和實踐，全方位地介紹Hadoop這一高性能處理海量數(shù)據(jù)集的理想工具。

• 《Hive編程指南》

《Hive編程指南》是一本Apache Hive的編程指南，旨在介紹如何使用Hive的SQL方法HiveQL來匯總、查詢和分析存儲在Hadoop分布式文件系統(tǒng)上的大數(shù)據(jù)集合。

第三階段： 分布式計算

• 分布式計算框架：Python編程語言、Scala編程語言、Spark大數(shù)據(jù)處理、Spark—Streaming大數(shù)據(jù)處理、Spark—Mlib機器學習、Spark—GraphX 圖計算、實戰(zhàn)一：基于Spark的推薦系統(tǒng)（某一線公司真實項目）、實戰(zhàn)二：新浪網(wǎng)（http://www.sina.com.cn）
• storm技術(shù)架構(gòu)體系：Storm原理與基礎(chǔ)、消息隊列kafka、Redis工具、zookeeper詳解、實戰(zhàn)一：日志告警系統(tǒng)項目、實戰(zhàn)二：猜你喜歡推薦系統(tǒng)實戰(zhàn)

推薦書籍：

• 《Spark 快速大數(shù)據(jù)分析》

《Spark 快速大數(shù)據(jù)分析》是一本為Spark 初學者準備的書，它沒有過多深入實現(xiàn)細節(jié)，而是更多關(guān)注上層用戶的具體用法。不過，本書絕不僅僅限于Spark 的用法，它對Spark 的核心概念和基本原理也有較為全面的介紹，讓讀者能夠知其然且知其所以然。

• 《Spark機器學習：核心技術(shù)與實踐》

本書采用理論與大量實例相結(jié)合的方式幫助開發(fā)人員掌握使用Spark進行分析和實現(xiàn)機器學習算法。通過這些示例和Spark在各種企業(yè)級系統(tǒng)中的應(yīng)用，幫助讀者解鎖Spark機器學習算法的復(fù)雜性，通過數(shù)據(jù)分析產(chǎn)生有價值的數(shù)據(jù)洞察力。

第四階段： 大數(shù)據(jù)項目實戰(zhàn)

數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)展現(xiàn)、數(shù)據(jù)應(yīng)用

推薦書籍：

• 《深入淺出數(shù)據(jù)分析》

數(shù)據(jù)分析經(jīng)典入門。通俗簡單，看這本書雖學不到什么數(shù)據(jù)分析的技能點，卻能夠讓你對數(shù)據(jù)分析的相關(guān)概念有大致的了解。有利于你構(gòu)建數(shù)據(jù)思維的基石，嘗試跟著作者的思維邏輯去思考、感悟，記住其中提到的一些數(shù)據(jù)分析原則。

• 《赤裸裸的統(tǒng)計學》

結(jié)合生活講解統(tǒng)計知識，生動有趣。作者從自身出發(fā)，講述自己從一個只知道學習的學霸，開始發(fā)現(xiàn)統(tǒng)計學的樂趣，并將其運用到生活中的故事。因此避免了統(tǒng)計學一上來就是各種暈頭暈?zāi)X的專業(yè)概念的枯燥感。

• 《精益數(shù)據(jù)分析》

這本書舉例了多種產(chǎn)品，分析了它們的指標、模型。同時將企業(yè)分成了幾個大的行業(yè)類別，并分門別類的講解了每個行業(yè)的商業(yè)模式特點及分析技巧。

ps. 對使用者的分析能力要求較高，且必須具備相應(yīng)的業(yè)務(wù)知識。

第五階段：大數(shù)據(jù)分析 —AI（人工智能）

主要是講解Data Analyze數(shù)據(jù)分析基礎(chǔ)、數(shù)據(jù)可視化、sklearn中三類樸素貝葉斯算法以及python機器學習等提升個人能力的內(nèi)容！

推薦書籍：

• 《R語言實戰(zhàn)》

如果要用R語言做數(shù)據(jù)分析，建議讀完《深入淺出數(shù)據(jù)分析》之后，就開始讀這本。從工具的安裝，到具體分析方法在R語言中的實現(xiàn)，講解詳細，可操作性極強，是一本非常值得讀的數(shù)據(jù)分析書。

• 《數(shù)據(jù)科學實戰(zhàn)》

這本書被業(yè)內(nèi)譽為是“數(shù)據(jù)分析和機器學習之間的橋梁”。

網(wǎng)評：對于做了一段時間數(shù)據(jù)分析工作的人，這無疑是進階更高維度的好書，很難有一本書，能夠讓你從簡單的數(shù)據(jù)分析平滑地過渡到機器學習和數(shù)據(jù)挖掘，這本書我認為是這方面做的最好的一本。

• 《數(shù)據(jù)可視化之美》

國內(nèi)第一本數(shù)據(jù)可視化教材，如果你學習可視化是剛需，看這本。

是數(shù)據(jù)可視化的入門書籍，系統(tǒng)介紹了可視化的相關(guān)概念和常識，教材相對于工具書更為難讀，但卻能為你增長不少對可視化的認知。