没蜡笔的小新
当下想要成为大数据可视化工程师，想要进军这个行业的人不在少数，而且理科生会居多有点。有些想要学这门技术的文科生就很纳闷，不知道文科生怎么成为大数据可视化工程师，笔者时常收到大家类似的提问留言。电脑培训就详细讲讲，文科生怎么成为大数据可视化工程师，这个话题，解答大家心中的疑问。
1：我们都清楚的，大数据可视化是个技术岗位，那么既然是技术岗，掌握好专业技能就是首要任务。文科生想要成为合格的大数据可视化工程师，就需要熟悉MongoDB、MySQL、Redis、HBase、ElasticSearch等主流数据库;有大数据平台、数据仓库、算法挖掘、机器学习、推荐系统、大数据流处理等相关从业经验，熟悉并理解分布式系统开发。
2：除开以上技能之外，大数据工程师还需要熟悉并理解流式处理流程,掌握分布式环境开发、部署，TB级以上的实时数据流处理开发经验;有基于分布式计算技术(如Hadoop、Spark等)的数据仓库的技术架构设计、数据架构设计成功经验;深入理解Hadoop/Spark生态圈和数据应用二次开发;熟悉分类、回归、聚类等各种机器学习算法等等。
3：当你能够纯熟掌握以上技术的时候，那么找到一份大数据相关的工作是不难的哦!当然，以上技术学起来的难度也还是有的，对于本来就不是很占优势的文科生来讲，想要成为大数据可视化工程师的最好方式就是参加专业的培训。
胖纸没烦恼
大数据工程师培训课程有哪些?目前大数据基础课程需要学习Web标准化网页制作，必备的HTML标记和属性、HTML表格、表单的设计与制作、学习CSS、丰富HTML网页的样式、通过CSS布局和定位的学习、让HTML页面布局更加美观、 ... 大数据工程师培训课程有哪些?目前大数据基础课程需要学习Web标准化网页制作，必备的HTML标记和属性、HTML表格、表单的设计与制作、学习CSS、丰富HTML网页的样式、通过CSS布局和定位的学习、让HTML页面布局更加美观、复习所有知识、完成项目布置等。 除此之外大数据工程师培训课程有哪些? 大数据工程师培训课程第一部分：大数据基础——java语言基础方面 1、Java语言基础 Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类 2、 HTML、CSS与Java PC端网站布局、HTML5+CSS3基础、WebApp页面布局、原生Java交互功能开发、Ajax异步交互、jQuery应用 3、JavaWeb和数据库 数据库、JavaWeb开发核心、JavaWeb开发内幕 大数据工程师培训课程第二部分： Linux&Hadoop生态体系 Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架 大数据工程师培训课程第三部分：分布式计算框架和Spark&Strom生态体系 1、分布式计算框架 Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算、实战一：基于Spark的推荐系统(某一线公司真实项目)、实战二：新浪网() 2、storm技术架构体系 Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战一：日志告警系统项目、实战二：猜你喜欢推荐系统实战 大数据工程师培训课程第四部分：大数据项目实战(一线公司真实项目) 数据获取、数据处理、数据分析、数据展现、数据应用 大数据工程师培训课程第五部分：大数据分析 —AI(人工智能) Data Analyze工作环境准备&数据分析基础、数据可视化、Python机器学习 1、Python机器学习2、图像识别&神经网络、自然语言处理&社交网络处理、实战项目：户外设备识别分析
福建不吃辣
参加大数据开发培训需要掌握以下几个方向的内容。
阶段一：JavaSE基础核心
1、深入理解Java面向对象思想
2、掌握开发中常用基础API
3、熟练使用集合框架、IO流、异常
4、能够基于JDK8开发
阶段二：Hadoop生态体系架构
1、Linux系统的安装和操作
2、熟练掌握Shell脚本语法
3、Idea、Maven等开发工具的使用
4、Hadoop组成、安装、架构和源码深度解析，以及API的熟练使用
5、Hive的安装部署、内部架构、熟练使用其开发需求以及企业级调优
6、Zookeeper的内部原理、选举机制以及大数据生态体系下的应
阶段三：Spark生态体系架构
1、Spark的入门安装部署、Spark Core部分的基本API使用熟练、RDD编程进阶、累加器和广播变量的使用和原理掌握、Spark SQL的编程掌握和如何自定义函数、Spark的内核源码详解（包括部署、启动、任务划分调度、内存管理等）、Spark的企业级调优策略
2、DophineScheduler的安装部署，熟练使用进行工作流的调度执行
3、了解数据仓库建模理论，充分熟悉电商行业数据分析指标体系，快速掌握多种大数据技术框架，了解认识多种数据仓库技术模块
4、HBase和Phoenix的部署使用、原理架构讲解与企业级优化
5、开发工具Git&Git Hub的熟练使用
6、Redis的入门、基本配置讲解、jedis的熟练掌握
7、ElasticSearch的入门安装部署及调优
8、充分理解用户画像管理平台的搭建及使用、用户画像系统的设计思路，以及标签的设计流程及应用，初步了解机器学习算法
9、独立构建功能完全的企业级离线数据仓库项目，提升实战开发能力，加强对离线数据仓库各功能模块的理解认知，实现多种企业实战需求，累积项目性能调优经验
阶段四：Flink生态体系架构
1、熟练掌握Flink的基本架构以及流式数据处理思想，熟练使用Flink多种Soure、Sink处理数据，熟练使用基本API、Window API 、状态函数、Flink SQL、Flink CEP复杂事件处理等
2、使用Flink搭建实时数仓项目，熟练使用Flink框架分析计算各种指标
3、ClickHouse安装、使用及调优
4、项目实战。贴近大数据的实际处理场景，多维度设计实战项目，能够更广泛的掌握大数据需求解决方案，全流程参与项目打造，短时间提高学生的实战水平，对各个常用框架加强认知，迅速累积实战经验
5、可选掌握推荐和机器学习项目，熟悉并使用系统过滤算法以及基于内容的推荐算法等
6、采用阿里云平台全套大数据产品重构电商项目，熟悉离线数仓、实时指标的阿里云解决方案
阶段五：就业指导
1、从技术和项目两个角度按照企业面试、
2、熟悉CDH在生产环境中的使用
3、简历指导
以上为大数据培训所要掌握的内容，当然也可以尝试自学的。
优质工程师考试问答知识库
