我也是零基礎學習大數(shù)據(jù)吧，只要你對它感興趣，還可以吃苦耐勞，一定可以學的會，加油吧，我當時找工作時，找了好久，因為這個行業(yè)要求學歷高，不要碩士就是研究生，揮著985高校，211高校的，一本以上。不過你有工作經(jīng)驗了肯定就好找啦。我大概給你說一下我的學習經(jīng)歷吧。
我剛開始學習接觸編程時，是接觸的C語言，然后是C++，后來就是Java。當我第一次接觸Java時，就深深地愛上了它，因為它簡單，易懂。之后接觸JavaWeb，開始學些開發(fā)后端的技術。那時大數(shù)據(jù)也比較火熱，再加上自己本身就是數(shù)學出生，大數(shù)據(jù)對我來說就是一個很好的選擇啦。
慢慢地我就開始接觸大數(shù)據(jù)，從JavaSE學起，接著學習Linux系統(tǒng)，其中Linux中有CentOS和ubuntu，這兩者個人覺得都好用。接著學習地就是Hadoop，它包括兩大塊HDFS（分布式文件系統(tǒng)）和MapReduce（并行計算框架），雖說MapReduce現(xiàn)在
用的少了，但是學習它之后，對你以后學習更好的并行計算框架來說有很多的好處。接著就可以學習數(shù)據(jù)倉庫Hive，Hive的底層實現(xiàn)其實就是MapReduce，它使用的SQL語言叫做HQL，之前學過MySQL數(shù)據(jù)庫的話，很容易上手，但是想更深的了解Hive的話，還需學習MapReduce，Hive它用于OLAP，不支持事務性。接著再學習HBase面向列族的分布式數(shù)據(jù)庫，它支持事務操作，但是在實踐中個人感覺不太好使。它是架在Hadoop之上的數(shù)據(jù)庫，適用于隨機訪問，實時讀寫。然而有了大量的數(shù)據(jù)之后，如何更好的把來源不同的數(shù)據(jù)導入到自己想要用的數(shù)據(jù)庫中呢，可以使用Sqoop，個人認為它簡單好用，方便。
接下來就可以學習Flume，它是一個分布式的收集日志的框架，可以處理很多種類型的文件。接著就學習Kafka，它是一個消息發(fā)布訂閱實時處理系統(tǒng)。具有高吞吐量的能力。接著可以學習Strom，實時的流計算框架。可以高速的攫取數(shù)據(jù)，可以執(zhí)行各種數(shù)據(jù)的并行計算。接下來就可以學習Spark，Spark由SparkSQL、SparkStreaming、MLlib、Graph等組成，可以解決BatchProcessing、StreamProcessing、Ad-hocQuery（即席查詢）等三大核心問題。Spark確實相比于MapReduce來說要快很多，畢竟它是基于內(nèi)存計算的框架。
接下來還可以學習數(shù)據(jù)分析，數(shù)據(jù)挖掘，機器學習等相關的知識。
現(xiàn)在我就開始解讀一下什么是大數(shù)據(jù)？
大數(shù)據(jù)顧名思義就是數(shù)據(jù)量很大,大到什么級別嗎？它不是幾兆，不是幾個GB,而是幾百GB,幾個TB,幾個PB，達到傳統(tǒng)的數(shù)據(jù)庫根本承受不了，現(xiàn)在一般都是用Hadoop技術，Hive技術，Spark技術等處理。
那么大數(shù)據(jù)的特征有哪些呢？有4點
1.數(shù)據(jù)在體量方面很大，比如說文字，有各種各樣的來源，有電子書|實體書|雜志|報刊等，它們的數(shù)據(jù)大吧。
2.數(shù)據(jù)的類型多種多樣，有些是結構化的數(shù)據(jù)，像存在Oracle,MySQL這些傳統(tǒng)的數(shù)據(jù)庫里的數(shù)據(jù)，一般都是結構化，可以是還有非結構化，比如HTML,WORD，execl等格式。
3.它們的價值密度低，這樣說吧，你比如說觀看一條數(shù)據(jù)好像價值也不大，但是分析所有的數(shù)據(jù)之后呢？總會挖掘出一些重要的東西。
大數(shù)據(jù)的特征
4.處理這些數(shù)據(jù)的速度要快。比如像Hadoop技術的MapReduce計算框架，相比傳統(tǒng)的數(shù)據(jù)庫處理速度要快，它的吞吐量特別的大，再比如Spark，Spark在內(nèi)存方面計算比Hadoop快100倍，在磁盤方面計算快10倍。
大數(shù)據(jù)的處理與傳統(tǒng)的數(shù)據(jù)處理的區(qū)別是什么呢？
就是使用全部的數(shù)據(jù)來分析，得出結論，想想就知道它的好處啦。
大數(shù)據(jù)的應用？？？
可以做推薦系統(tǒng)的，想電商、影視類的app，你平時關注什么商品，或者瀏覽什么類型的商品，或者看什么類型的影視，或者看誰主要的影視，經(jīng)過大數(shù)據(jù)分析處理之后，這些app就會推薦想類似的商品或者影視
在銷售方面，我想一個例子大家都聽說過，就是尿片和啤酒的捆綁銷售
銀行方面的反欺詐應用。經(jīng)過大量的數(shù)據(jù)分析，可以得出欺詐的行為特征，根據(jù)這些特征就可以更大概率的確定是不是欺詐行為
人工智能方面，想Google的阿爾法狗，無人汽車駕駛等，這些都在使用大數(shù)據(jù)。
....