大家好,今天小编关注到一个比较有意思的话题,就是关于机器学习用linux的问题,于是小编就整理了1个相关介绍机器学习用Linux的解答,让我们一起看看吧。
java开发,转大数据好还是机器学习?
看你的规划是怎样的吧,这种事情我没办法说死。不过就你的职业经历来看,我觉得如果你从事了很久的Java开发,当然前提是你在一线从事了很久的J***a开发,那么我建议你的首选是转大数据。
大数据目前用得最多的语言就是J***a
J***a语言安全性强、精密度高,在可维护性、高性能特性,以及在于整体生态方面,J***a语言都具有比较大的优势,而且在大规模的异构计算机集群、处理高并发、以及复杂的业务逻辑方面,都是J***a最擅长的。
除此之外,目前大数据行业最知名的Hadoop生态圈,以及领域你所熟悉的几乎所有大数据行业的词汇,比如Hive、Spark等等都是跟J***a关系最为紧密,比如说大名鼎鼎的Hadoop本身就是J***a编写的,即使是Spark关系紧密的Scala语言,其实也跟J***a有着千丝万缕的联系。
因此J***a转大数据工程师,有着天然的优势,当然目前在数据挖掘领域,Python也占据着很大的统治地位。不过在大数据领域,基本上大多数企业都是要求J***a背景的公司最多,很多岗位都是直接瞄准J***a工程师进行培养。
现在的互联网,哪家企业不讨论大数据?
阿里巴巴旗下的天猫、淘宝有购物大数据,支付宝有支付大数据,菜鸟网络有物流大数据,百度有搜索大数据、人工智能大数据,腾讯有社交大数据大数据、游戏大数据、同样也有支付大数据。可以说每个企业都在布局大数据,尤其是在大公司。
活到老、学到老,这是一个铁律。
题主也提到了自己喜欢数学,这对于学系机器学习来说是一个优势,再加上你有很好的J***a学习背景,相信语言的壁垒不是很大,想要学习一些Python的知识其实不是很难,相信真正做过开发的都知道,语言的壁垒不大的。
不过机器学习可不是那么简单的,对于数学什么的要求确实很高,而且这个行业比大数据还要复杂,而且目前人工智能的壁垒还是蛮高的,很多领域都还是在实验室阶段,更多的还是比较尖端的科研,因此学习代价是不小的。机器学习、深度学习目前技术难度还是挺高的,对于算法要求很高。
不过大数据和人工智能联系非常紧密,人工智能肯定离不开大数据。不过就我的看法而言,人工智能更加偏向于算法,而大数据更加接近编程,更加靠近业务。
谢邀。个人建议转大数据。
我也是从事J***a开发,对于题主的纠结感同身受,毕竟自己如果在J***a上已经算是游刃有余的话,已经是付出过很多学习精力,学机器学习的话基本上是要和J***a说再见,这无疑是一个非常可惜的选择。
而且转机器学习就不仅仅要深入Python,还要对数学算法方面有所造诣,这不是一蹴而就可以熟练掌握的,因此转人工智能风险也比较大,容易夭折自己的职业规划。
目前大数据方向依旧是需求量比较大前景非常好的工作方向,J***a在大数据领域的应用非常广泛,光是Hadoop生态圈,就已经够可以完成很多大数据工作,而Hadoop又巧妙与J***a密不可分。
最重要的是大数据方向并不会比还处于初级水平的机器学习工资低,薪资问题的话不用担心。
我是极客宇文氏,欢迎关注,感谢阅读。
机器学习(ML)属于AI领域,大数据是人工智能的前提,相当于原料,人工智能是基于大数据的支持和***集,运用于人工设定的特定性能和运算方式来实现。因此,人工智能离不开大数据,人工智能需要依赖大数据平台和技术来帮助完成深度学习进化。
人工智能其实就是大数据、云计算的应用场景。
简言之,大数据和机器学习未来的发展空间都很大。
有J***a基础的话,你可以考虑一下大数据开发。
把握现在,等待时机
现在很多主流网站都是使用j***a开发维护的,所以个人觉得j***a前景还不错,所以我的建议是把握好现在,现在做j***a开发,可以在这一行中深耕努力使自己成为大牛,编程思维越好以后转啥都比较迅速。
如果有好的机会可以转到大数据开发的话,当然要抓住机会,现在大数据开发风头正盛,像大数据平台搭建、运维、优化监控,数据挖掘分析,大数据设计架构这些大数据相关岗位给的薪资相当丰厚,前途也是很美好。
机器学习这部分不是很了解,应该是更注重算法的开发,对数学功底要求很高。至于使用什么语言开发这个应该不是问题,精通j***a入手phython会很快的,而且编程这个东西是要是要看编程思维和语言本身关系不是很大。
在已经有J***a基础的前提之下,转行大数据是完全可以的。从发展的角度来说,J***a已经处在一门[_a***_]的成熟期,未来J***a程序员要想有更好的发展,则需要深入到一个领域,比如大数据或人工智能,这样才能有较强的职场竞争力和较好的发展空间。
大数据以J***a技术为基础,在熟练掌握了J***a技术以后,再学习大数据的相关技术会容易很多。在有了J***a经验的基础上,转行大数据学习,学习的大致步骤为:
1、大数据基础:Linux基础、M***en基础;
2、Hadoop生态体系:HDFS、MapReduce、Yarn及其周边软件Hbase、Hive、Pig等;
3、Spark生态系统和Scala语言;
4、算法和工具:如hadoop上的Mahout和spark上的Mllib;
5、项目实战。
在培训班学习的周期大概是六个月左右。毕业之后的就业情况还是很不错的,各大互联网公司都在囤积大数据处理人才,从业人员的薪资待遇也很不错。以基本的Hadoop开发工程师为例,入门月薪已经达到了8K以上,工作1年月薪可达到12K以上,资深的hadoop人才年薪可达到30万—50万。据全球顶尖管理咨询公司麦肯锡分析报告显示,到2020年,大数据或者数据工作者的岗位需求将激增,大数据专业人才的缺口在15万到20万之间。
到此,以上就是小编对于机器学习用linux的问题就介绍到这了,希望介绍关于机器学习用linux的1点解答对大家有用。