看一下同一个操作采用Python、Scala和Java编写的代码实现过程：接着要学习一下如何搭建基础的大数据平台，这部分知识对于大数据开发人员来说并不是重点，但是基本的搭建过程是应该掌握的，搭建Hadoop平台和Spark平台往往也需要大量的实验，另外还需要掌握大数据平台的体系结构和功能组成，这部分的学习时间大概需要2个月左右。
接着就是在大数据平台下进行项目开发了，这部分学习时间可长可短，一般完成一个综合性的大数据开发实验也需要1个月左右的时间，这样算下来，入门大数据开发大概需要6个月左右的时间。大数据分析需要学习的内容与大数据开发有一定的区别，大数据分析需要学习各种分析算法以及各种数据分析软件的使用。另外，目前采用机器学习的方式进行大数据分析也是一种比较流行的做法。
学习大数据分析也需要了解大数据平台的基础知识、算法知识、机器学习等内容，从学习周期上来说与大数据开发差不多，也需要6个月左右。学习数据分析往往需要具备一定的数学基础，否则需要补学的内容比较多，耗费的时间也比较长。大数据运维则主要是学习大数据平台的搭建、组件部署、平台测试以及维护等方面的内容，大数据运维需要学习大量的软硬件知识，包括计算机网络知识。
大数据很难学嘛，我转行想要学习it技术，有大神指点一下嘛？
作为一名教育工作者，目前也在带大数据方向的研究生，我来回答一下这个问题。首先，大数据的知识体系还是比较庞大的，不仅知识量大，也有一定的难度，所以并不算好学，要想有一个较好的学习体验，应该重视学习的系统性，以及要为自己营造一个较好的交流和实践场景。大数据专业是一个新兴专业，目前为止也仅有两批本科生进入了就业市场，整体的就业表现还是不错的。
大数据领域不仅岗位比较多，薪资待遇也比较可观，不少毕业生在毕业时都会拿到多份offer，选择空间还是比较大的。相对于本科生来说，研究生的就业表现就更为突出了，很多同学都能够进入一线大厂，岗位主要集中在开发岗和算法岗。学习大数据要结合自身的知识基础和发展规划，对于本科生来说，可以主攻开发方向，一方面开发方向的岗位比较多，另一方面开发岗位的竞争并不算激烈，而且开发岗位的人才需求类型也比较多元化。
选择往开发方向发展，要重视编程语言的学习，同时要重视大数据平台相关知识的学习，能够基于大数据平台来完成一些行业场景下的开发任务。如果自身的数学、统计学基础比较好，也可以考虑往算法岗方向发展，相对于开发岗来说，算法岗的竞争是比较激烈的，所以要有更多的积累。按照历史经验来看，如果具有研究生学历，往算法岗方向发展会更适合一些，就业时也会更有竞争力。
大数据整体的学习周期是比较长的，在学习的过程中，一定要重视实践，在入门了大数据技术之后，建议先找一个实习岗位，这样也会为自己营造一个交流和实践场景。我从事教育、科研多年，目前在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
作为大一软件工程大数据方向的学生，在校的几年，该怎么进行学业规划？
大数据方向是一个不错的选择，目前正处在大数据时代背景下，随着大数据的逐渐落地，未来在大数据领域会释放出大量的工作岗位。作为大一的学生来说，应该在大学期间做好以下几件事：第一：学好大数据基础知识。大数据的基础知识包括三方面内容，分别是数学、计算机和统计学，这三个学科也是构成大数据的主干学科。数学不仅是大数据的基础，也是整个计算机领域的重要基础，一定要认真学习。
基础知识的学习重点是认真听课并完成相关的课后作业，软件工程专业的基础课是比较完善的。第二：系统学习大数据技术。系统学习大数据技术包括完成规定课程以及结合自主学习两个部分，从大数据概念入手逐步展开对大数据的认知过程。大数据技术的学习过程可以按照编程语言（Python等）、大数据平台（Hadoop、Spark）、大数据开发、大数据分析几个步骤展开。
目前采用Python做大数据开发和分析是比较常见的选择，未来使用Python做机器学习也比较方便，所以建议从Python开始学起。学习Python要结合几个比较常见的库，包括Numpy、Matplotlib、Scipy、pandas、Sympy等几个常见库。看两个Scipy的小例子：第三：多动手操作。
大数据的研究必须结合实验进行。软件工程专业本身更注重实践能力的培养，但对于大数据方向的学生来说，如果能参与实际案例就更好了。如果没有数据源就用Python开发一个爬虫，这也是学习大数据过程中常见的解决数据源的方法。最后，对于学习大数据的同学，如果条件允许，最好读研究生。
