误区1、大数据学习技术驱动论:大数据的核心目标是数据驱动的智能化,要解决具体的问题,学习之前要明确问题,理解问题,所谓问题导向、目标导向,这个明确之后再研究和选择合适的技术加以应用,这样才有针对性。大数据学习应该是业务驱动。
误区2、大数据学习重复造轮子:IT前沿领域的开源化已成不可逆转的趋势,Android开源让智能手机平民化,让我们跨入了移动互联网时代,智能硬件开源将带领跨入物联网时代,以Hadoop和Spark为代表的大数据开源生态加速了去IOE(IBM、ORACLE、EMC)进程,倒逼传统IT巨头拥抱开源,谷歌和OpenAI联盟的深度学习开源(以Tensorflow,Torch,Caffe等为代表)正在加速人工智能技术的发展。所以大数据学习要善用开源。
误区3、大数据学习求大求全:大数据技术庞大复杂,我们的精力很有限,短时间内很难掌握多个领域的大数据理论和技术,学习过程中应要把握好碎片化和系统性的关系。大数据学习要以点带面。
本回答被网友采纳