大数据分析师教材大数据分析老司机，就不同职业学习的书籍进行了分类推荐大数据分析实战案例这都可以，

大数据行业前景看好，有很多朋友对大数据行业心向往之，却苦于不知道该如何下手，或者说学习大数据不知道应该看些什么书。作为一个零基础大数据入门学习者该看哪些书？

就目前公司招聘和其他所了解到的大数据专业的工作内容，偏重方向和技术选型有所不同。挖矿老司机就不同职业学习的书籍进行了分类推荐。

1. 大数据工程师

在互联网公司广泛招聘，偏平台业务方向，ETL和OLTP等，主要是基于Hadoop技术栈来处理大数据，算法要求不是特别高。

经典图书推荐：

《Hadoop权威指南》

《Hive编程指南》

《Hbase权威指南》

《大数据技术全解》

《大数据挑战NoSql》

《Mahout实战》

2. 数据分析师：

在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询，商务智能，出分析报告，互联网公司的产品经理差不多类型了，统计学能力要求高，SPSS、SAS、R、SQL。

经典图书推荐：

《概率论与数理统计》、《统计学》推荐David Freedman版、《业务建模与数据挖掘》、《数据挖掘导论》、《SAS编程与数据挖掘商业案例》、《Clementine数据挖掘方法及应用》、《IBM SPSS Statistics 19 Statistical Procedures Companion》等。

3. 数据挖掘工程师：

在互联网、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析，基本数据结构算法、机器学习等都要求较高。Hadoop、Spark技术栈，Java、Python、C++、Scala、Shell。

经典图书推荐：《数据挖掘概念与技术》、《数据挖掘导论》、《数据挖掘-实用机器学习技术》；《机器学习》Tom Michael 、《机器学习导论》、周志华《机器学习》、《机器学习实战》、《集体智慧编程》、《统计学习方法》ESL 《Elements of Statistical Learning》 ISL 《An Introduction to Statistical Learning》PRML 《Pattern Recognition and Machine Learning》《数据库系统概论》、《算法导论》、《Web数据挖掘》、《推荐系统》、《数据可视化》《Thinking in Java》、《Python核心编程》、《Thinking in C++》等。

4. 科学研究方向：

在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用，还有现在很多计算机视觉的创业公司的算法研究。

经典图书推荐：《机器学习》《模式分类》《统计学习理论的本质》《统计学习方法》《数据挖掘实用机器学习技术》《R语言实践》，《人工智能及其应用》、《概率图模型》英文素质是科研人才必备的《Machine Learning: A Probabilistic Perspective》《Scaling up Machine Learning : Parallel and Distributed Approaches》《Data Mining Using SAS Enterprise Miner : A Case Study Approach》《Python for Data Analysis》等。