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(gè)“門派”、各個(gè)專業(yè)方向的授課內(nèi)容都通過網(wǎng)絡(luò)搜集，整理了出來。國外網(wǎng)站上的信息資源豐富且開放，可以查到很多詳細(xì)內(nèi)容，包括授課老師的簡(jiǎn)歷，甚至他們?cè)?jīng)做過的一些具體事情。

這是一個(gè)無像圖形，由結(jié)點(diǎn)、路徑或邊組成，結(jié)點(diǎn)是我們提取出來的主要文本信息。圖形中的點(diǎn)越大，字體越大，說明其代表的信息越重要；兩點(diǎn)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(xiàng)信息的重要性及相關(guān)性都能一目了然。這是數(shù)據(jù)科學(xué)設(shè)置的一個(gè)課程，說白了就是你需要“修煉”的內(nèi)容。課程是學(xué)習(xí)的必要途徑，不管是在網(wǎng)上學(xué)還是到學(xué)校學(xué)，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(gè)詞，它們之間的線段很粗，組合起來叫machine learning，即“機(jī)器學(xué)習(xí)”。這需要主觀提煉，如果因?yàn)椴皇煜だ斫獬?ldquo;學(xué)習(xí)機(jī)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(guān)關(guān)系。大數(shù)據(jù)的很多要點(diǎn)在于相關(guān)分析，包括變量和研究對(duì)象之間的關(guān)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(guān)系，但具體誰影響了誰，哪個(gè)是原因哪個(gè)是結(jié)果，不一定能搞清楚。我要說明的是，現(xiàn)在網(wǎng)絡(luò)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(nèi)容，基本上都犯了一個(gè)邏輯錯(cuò)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(guān)聯(lián)性，而要了解因果性，還得靠其他技術(shù)去實(shí)現(xiàn)。

圖形中羅列的機(jī)器學(xué)習(xí)、可視化、信息系統(tǒng)、計(jì)算機(jī)模式識(shí)別等詞匯，都是計(jì)算機(jī)中常見的字眼，通過它們我們就可以大體了解到具體的學(xué)習(xí)方向和內(nèi)容，從而有針對(duì)性地去下功夫?qū)W習(xí)。以此類推，其他學(xué)習(xí)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(xué)碩士為例，我們可以按照剛才的圖形把關(guān)鍵詞提煉出來，再通過觀察這些關(guān)鍵詞跟其他詞之間的關(guān)聯(lián)性的強(qiáng)弱，按從小到大的順序組合并排序，這個(gè)過程需要具有專業(yè)經(jīng)驗(yàn)的主觀判斷的幫助，排列之后我們就得到了課程的具體內(nèi)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(duì)應(yīng)的也許是相同的內(nèi)容。

數(shù)據(jù)科學(xué)碩士有好多門必修課，就是必須具備的能力，包括機(jī)器學(xué)習(xí)、WEB數(shù)據(jù)挖掘、數(shù)據(jù)管理、統(tǒng)計(jì)分析、分析程序設(shè)計(jì)、系統(tǒng)設(shè)計(jì)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(jī)器學(xué)習(xí)這門課程，在必修和選修中都有提到，這是因?yàn)檎n程設(shè)置會(huì)因?yàn)閷W(xué)校的不同而有所差異，但總的來說，幾乎所有的課程都跟計(jì)算機(jī)、統(tǒng)計(jì)、數(shù)據(jù)有關(guān)，那這些肯定就是我們“修煉”的重點(diǎn)。

數(shù)學(xué)是學(xué)習(xí)大數(shù)據(jù)技術(shù)的選修課。學(xué)習(xí)大數(shù)據(jù)最好有一定的數(shù)學(xué)基礎(chǔ)，如果沒有基礎(chǔ)，學(xué)習(xí)起來會(huì)比較困難，但也不是一個(gè)無法逾越的障礙。大數(shù)據(jù)時(shí)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(gè)叫SAS的商業(yè)軟件，是世界五百強(qiáng)企業(yè)的產(chǎn)品，美國《財(cái)富》雜志評(píng)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(fèi)軟件，搞統(tǒng)計(jì)的人如果不會(huì)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(jì)的人終于可以使用計(jì)算機(jī)了，Python的出現(xiàn)使用計(jì)算機(jī)的人終于可以搞統(tǒng)計(jì)了。以上列舉的幾個(gè)工具必須要非常熟悉，因?yàn)楹芏鄬W(xué)校都不會(huì)開工具課，它默認(rèn)你已經(jīng)掌握了。除此以外還有Hadoop，它是大數(shù)據(jù)處理的架構(gòu)，現(xiàn)在不是很主流了，但對(duì)理解課程來說還是必須的。