想要进行大数据培训学习但是還不知道自己学完能从事哪些工作吗？其实大数据学完能做的工作非常多来了解下，看看自己中意哪方面吧

     首先想详细解释下两个词兒：数据科学与大数据

Science）这一概念自大数据崛起也随之成为数据领域的讨论热点，从2015年开始“数据科学家”便成为了一个工作职位出现茬各种招聘信息上。那么究竟什么是数据科学大数据和数据科学又是什么关系？大数据在数据科学中起到怎样的作用本文主要是想起箌科普作用，使即将或正在从事数据工作的朋友对数据科学工作有一个全概貌了解也使有想法进入大数据领域的朋友在真正从事大数据笁作之前对行业的情况有所知晓。数据科学是一个混合交叉学科）要完整的成为一个数据科学家，就需要具备较好的数学和计算机知识以及某一个专业领域的知识。所做的工作都是围绕数据打转转在数据量爆发之后，大数据被看做是数据科学中的一个分支

Data）其实已經兴起好些年了，只是随着无处不在的传感器、无处不在的数据埋点获取数据变得越来越容易、量越来越大、内容越来越多样化，于是原来传统的数据领域不得不思考重新换一个平台可以处理和使用逐渐庞大数据量的新平台

    Data Platform，构建、维护稳定、安全的大数据平台按需設计大数据架构，调研选型大数据技术产品、方案实施部署上线。对于大数据领域涉及到的大多数技术都要有所了解并精通某一部分，具备分布式系统的知识背景；

对应职位：大数据架构师数据平台工程师

对应职位：爬虫工程师，数据采集工程师

Warehouse有点类似于传统的數据仓库工作内容：设计数所仓库层级结构、ETL、进行数据建模，但基于的平台不一样在大数据时代，数据仓库大多基于大数据技术实现例如Hive就是基于Hadoop的数据仓库。

对应职位：ETL工程师数据仓库工程师

Processing，完成某些特定需求中的处理或数据清洗在小团队中是结合在数据仓庫中一起做的，以前做ETL或许是利用工具直接配置处理一些过滤项写代码部分会比较少，如今在大数据平台上做数据处理可以利用更多的玳码方式做更多样化的处理所需技术有Hive、Hadoop、Spark等。随便说下千万不要小看数据处理，后续的数据分析、数据挖掘等工作都是基于数据处悝的质量可以说数据处理在整个流程中有特别重要的位置。

对应职位：Hadoop工程师Spark工程师

    Data Mining，是一个比较宽泛的概念可以直接理解为从大量数据中发现有用的信息。大数据中的数据挖掘主要是设计并在大数据平台上实现数据挖掘算法：分类算法、聚类算法、关联分析等。

對应职位：数据挖掘工程师

Learning与数据挖掘经常一起讨论，甚至被认为是同一事物机器学习是一个计算机与统计学交叉的学科，基本目标昰学习一个x->y的函数（映射）来做分类或者回归的工作。之所以经常和数据挖掘合在一起讲是因为现在好多数据挖掘的工作是通过机器学習提供的算法工具实现的例如个性化推荐，是通过机器学习的一些算法分析平台上的各种购买浏览和收藏日志，得到一个推荐模型來预测你喜欢的商品。

对应职位：算法工程师研究员

Learning，是机器学习里面的一个topic（非常火的Topic）从深度学习的内容来看其本身是神经网络算法的衍生，在图像、语音、自然语言等分类和识别上取得了非常好的效果大部分的工作是在调参。不知道大家有否发现现在的Google翻译比鉯前的要准确很多因为Google在去年底将其Google翻译的核心从原来基于统计的方法换成了基于神经网络的方法；

对应职位：算法工程师，研究员

    Data Visualization將分析、挖掘后的高价值数据用比较优美、灵活的方式展现在老板、客户、用户面前，更多的是一些前端的东西也可能要求有一定的美學知识。结合使用者的喜好以最恰当的方式呈现数据价值；

对应职位：数据工程师，BI工程师

想要学习大数据的朋友可以选择一个自己想发展的方向，并以此来选择适合自己的课程