需要学习工程能力和算法能力。工程能力:(1)编程基础:需要掌握两种语言，一大一小，大的指C 或者Java，小的指Python或者shell脚本；你需要掌握基本的数据库语言。(2)开发平台:Linux；建议:掌握常用命令和Linux下源代码编译的原理。(3) 数据结构与算法分析基础:掌握常用数据结构与运算。算法能力:(1)数学基础:概率论、数理统计、线性代数、随机过程、最优化理论。
决策树，随机森林，GBDT，XGBoost；贝叶斯、KNN、克曼、EM等。).关于-2挖掘的相关学习，推荐CDA 数据的相关课程。课程以项目动员学生数据 挖掘和实践能力的场景化教学为主。然后在一步步思考和解决问题的过程中，帮助学员掌握真正优秀的解决商业问题的能力数据 挖掘点击预约免费试听课。
4、 数据分析中的 数据 挖掘侧重学习什么?很多人想学数据Analysis-2挖掘这一块的相关知识，因为-2挖掘这项工作很。但是，学起来并不容易-2挖掘嗯，但是我们还是有技巧的。在本文中，我们将向您介绍学习中需要重点学习哪些知识-2挖掘。希望这篇文章能帮到你。1.统计知识在做数据分析。统计学知识肯定是需要的。Excel，SPSS，R是需要掌握的基本功。
2.概率知识。朴素贝叶斯算法需要概率的知识，SKM算法需要高等代数或者区间理论的知识。当然我们可以直接设置模型，R、Python等工具都有现成的算法包，可以直接应用。但是要想深入学习这些算法，最好还是学习一些数学知识，这样也能让我们以后的路走得更顺畅。我们经常用的语言有Python，Java，C或者C ，我自己用Python或者Java比较多。
5、大 数据中的Spark指的是什么?谢谢邀请！spark最初是由伯克利大学的amplab在2009年提交的，现在是Apache软件基金会最活跃的项目。对于spark，apache官方定义为:spark是一个快速通用的大型-2。可以理解为分布式大型数据处理框架，而spark是基于Rdd(弹性分布式数据集)，基于内存计算，在“onestacktorulethemall”思想的指导下，创建的流处理(数据集)。
6、科普Spark,Spark是什么,如何使用Spark科普Spark，什么是Spark，如何使用Spark 1。Spark基于什么算法进行分布式计算(很简单)2。Spark和MapReduce 3有什么区别？为什么Spark比Hadoop 4更灵活。Spark 5有哪些局限性。Spark1是什么？火花？它是UCBerkeleyAMPlab的开源HadoopMapRed类。Uce的通用并行计算框架，Spark的基于mapreduce算法的分布式计算，具有HadoopMapReduce的优点；但与mapreduce不同的是，Job的中间输出和结果可以存储在内存中，不需要读写HDFS，所以Spark可以更好地应用于需要迭代的MapReduce算法，比如-2挖掘和机器学习。
7、什么是Spark,如何使用Spark进行 数据分析Spark是HadoopMapReduce的通用并行框架，由UCBerkeleyAMPlab开放。Spark具有HadoopMapReduce的优点。但是，与MapReduce不同，Job的中间输出结果可以存储在内存中，因此不再需要读写HDFS。因此，Spark可以更好地应用于-2挖掘MapReduce等需要迭代的算法，如机器学习数据科学家为了回答一个问题或进行深入研究，会使用相关的技术分析。
8、 spark处理4亿 数据要多久约4.5小时ApacheSpark是一个专门为大规模数据处理而设计的快速通用计算引擎。Spark是UCBerkeleyAMPlab开发的开源类HadoopMapReduce通用并行框架，具有HadoopMapReduce的优点，但是和MapReduce不同的是，Job的中间输出结果可以保存在内存中，不需要读写HDFS，所以Spark可以更好的应用于需要迭代的MapReduce算法，比如-2挖掘和机器学习。
