我們來看一下大數(shù)據(jù)到底怎么練，需要練些什么。我們把各個“門派”、各個專業(yè)方向的授課內容都通過網絡搜集，整理了出來。國外網站上的信息資源豐富且開放，可以查到很多詳細內容，包括授課老師的簡歷，甚至他們曾經做過的一些具體事情。

這是一個無像圖形，由結點、路徑或邊組成，結點是我們提取出來的主要文本信息。圖形中的點越大，字體越大，說明其代表的信息越重要；兩點間相連的線段越粗越醒目，說明它們之間的聯(lián)系越緊密。如此一來各項信息的重要性及相關性都能一目了然。這是數(shù)據(jù)科學設置的一個課程，說白了就是你需要“修煉”的內容。課程是學習的必要途徑，不管是在網上學還是到學校學，又或者你來聽講座，都繞不開它，光坐在家里空想肯定不行啊！

我們看圖上的machine和learn兩個詞，它們之間的線段很粗，組合起來叫machine learning，即“機器學習”。這需要主觀提煉，如果因為不熟悉理解成“學習機器”就偏了，我們講座的目的之一就是幫大家厘清它們之間的相關關系。大數(shù)據(jù)的很多要點在于相關分析，包括變量和研究對象之間的關系等，這也是現(xiàn)在很多數(shù)據(jù)分析的誤區(qū)。你可能知道兩者之間存在關系，但具體誰影響了誰，哪個是原因哪個是結果，不一定能搞清楚。我要說明的是，現(xiàn)在網絡上的許多諸如一張圖告訴你什么或者大數(shù)據(jù)告訴你什么之類的內容，基本上都犯了一個邏輯錯誤，那就是大部分大數(shù)據(jù)分析都只局限在分析數(shù)據(jù)之間的關聯(lián)性，而要了解因果性，還得靠其他技術去實現(xiàn)。

圖形中羅列的機器學習、可視化、信息系統(tǒng)、計算機模式識別等詞匯，都是計算機中常見的字眼，通過它們我們就可以大體了解到具體的學習方向和內容，從而有針對性地去下功夫學習。以此類推，其他學習方向的課程也可以通過這種形式來表現(xiàn)。以數(shù)據(jù)科學碩士為例，我們可以按照剛才的圖形把關鍵詞提煉出來，再通過觀察這些關鍵詞跟其他詞之間的關聯(lián)性的強弱，按從小到大的順序組合并排序，這個過程需要具有專業(yè)經驗的主觀判斷的幫助，排列之后我們就得到了課程的具體內容。需要注意的是，有的課程比較冷門，可能無法從圖形中提煉出來，另外，國外好多課程的名稱取得比較隨意，不同課程名稱對應的也許是相同的內容。

數(shù)據(jù)科學碩士有好多門必修課，就是必須具備的能力，包括機器學習、WEB數(shù)據(jù)挖掘、數(shù)據(jù)管理、統(tǒng)計分析、分析程序設計、系統(tǒng)設計等。除了必修課以外還有選修課，就是你還需要具備的其他技能。而機器學習這門課程，在必修和選修中都有提到，這是因為課程設置會因為學校的不同而有所差異，但總的來說，幾乎所有的課程都跟計算機、統(tǒng)計、數(shù)據(jù)有關，那這些肯定就是我們“修煉”的重點。

數(shù)學是學習大數(shù)據(jù)技術的選修課。學習大數(shù)據(jù)最好有一定的數(shù)學基礎，如果沒有基礎，學習起來會比較困難，但也不是一個無法逾越的障礙。大數(shù)據(jù)時代，人們都是用工具去梳理數(shù)據(jù)的，現(xiàn)在的數(shù)據(jù)量巨大，不借助工具根本不可能梳理得過來。那么，都要用到哪些工具呢？最常見的是EXCEL；其次，還有一個叫SAS的商業(yè)軟件，是世界五百強企業(yè)的產品，美國《財富》雜志評選推薦的；再有，必須要了解的兩款開源軟件：R語言和Python。R目前是一款免費軟件，搞統(tǒng)計的人如果不會R語言那是不可想象的。有一句話說得好，R的出現(xiàn)使搞統(tǒng)計的人終于可以使用計算機了，Python的出現(xiàn)使用計算機的人終于可以搞統(tǒng)計了。以上列舉的幾個工具必須要非常熟悉，因為很多學校都不會開工具課，它默認你已經掌握了。除此以外還有Hadoop，它是大數(shù)據(jù)處理的架構，現(xiàn)在不是很主流了，但對理解課程來說還是必須的。