学好数据分析，凸显算法的重要性

数据分析是一门新时代产物，不是说以前没有，而是最近几年互联网的推动，以及人工智能，各大购物网站推荐算法，各大电影推荐，视频音乐等网站的电视剧推荐，音乐推荐，搜索引擎排名等，这些都是推荐算法的一种应用。 说到数据分析，必须谈到一个数据清洗，转换，即所谓的ETL，像kettle工具，非常方便的完成一些数据转换及作业。大数据时代，像Hadoop生态，MR思想，这些都是一些初学者必须掌握的。 然而想成为一名架构师，必须掌握算法的具体细节，运行效率，空间时间复杂度。高等数学也需要掌握。研究生学习的时候，模式识别这本书，晦涩难懂，里面好多高深的数学理论知识，推荐各位数据分析的专业人士学习。 要搞科研的相关人士，每一章节搞熟，都能发几篇核心期刊。像贝叶斯概率模型，kmeans算法，特征提取，分类，神经网络等，都是一些非常不错的知识。在视频音频处理，必须了解图像存储的相关理论知识，java有javacv用于操作opencv的相关工具包，提取视频每一帧，加水印，加滤镜，改通道等。摄像监控领域，有webcam，可以控制本地或远程计算机，实时传输。 上面只是列举了相关应用，计算机传输都逃脱不了TCP/IP模型，在网络通信中，TCP,UTP的连接，三次握手，四次挥手等，在java中的socket必须掌握，只有原理搞扎实，其他的网络框架才了然于胸。 有空闲时间，建议读读《模式识别》，搞搞GNS网络模拟实验，数据分析应用领域的深挖，我在之前想到一个应用场景，估计实现好有一定的投入市场，就是敬老院里捕捉人摔跤的声音自动报警，其他声音可以扩展，原理就是声音识别，通过训练，在一些比较安静的环境中还是可以达到高识别率。