hadoop資料庫的八卦，Yahoo名人娛樂都在討論

想學網頁程式設計卻不知道該從哪裡著手嗎？國外神人幫你把課程表排好了！

這篇把成為一個「網頁程式設計師」的課程順序排得很好！跟我理想中的順序很接近！特別推薦給大家！

Step 0: 前台語言與相關工具

首先作者推薦學習「HTML > CSS > JavaScript」，也都附上學習資源。

接著作者希望大家去學 Git。其實這個跟「網頁設計」直接關係不大，Git 是一套「程式碼版本控制軟體」。它可以比對前後兩個版本的差異，然後只把差異部分儲存起來。如此一來，你就算寫到後來，發現一個月前那個版本才是對的，也可以要求 Git 倒回特定日子的某個版本。我也強烈推薦學習。不過如果時間不夠，您可以暫時跳過（雖然很可惜），等學完之後回頭再來學也可以。

接著作者建議學 GitHub 之類的網路服務。GitHub 是程式師把原始碼分享出來，與大家交流的地方。GitHub 保有 Git 版本控制的特色，也能指定抓出某日某版。嚴格來說，您可以把 GitHub 看成程式設計界的 Facebook。只不過 Facebook 交流的是照片、打卡，這邊交流的是程式碼。這部分也是急得話可以事後再回頭學。

Step 1: 後台語言

接著作者開始教大家學習後台語言。由於作者是「Ruby 粉」（Ruby Fans），所以他會推薦 Ruby。其實這部分可以換成 PHP，或最近很流行的 Node.js 都可以。

Step 2: 磨練其它技巧（函式庫與框架，以及資料庫）

這邊作者開始要大家去 Code Academy、Coursera...等線上影音教學站，以 HTML/CSS/JavaScript 為基本功，去學習更高深的網頁程式設計學問。學這些東西，是讓你增加生產力。學習對象主要是一些 JavaScript 可使用的函式庫與框架。所謂函式庫與框架，就是人家寫好、可讓你在 JavaScript 直接叫用的一些好用工具。打個比方來說，如果有電鑽（函式庫、框架）讓你用，你想用鑿子（JavaScript）慢慢挖洞嗎？不會吧？

他推薦的框架主要有 Ember.js, Angular.js...等。我個人是很推 Google 做的 Angular.js（其它的也不錯啦～沒有筆戰的意思，自己習慣就好）。如果您沒有心儀的框架，不妨試試看。

本步驟最後，作者推薦學習一些常見的資料庫。如 MySQL、PostreSQL。或是大數據界常用的資料庫 MongoDB...等。

Step 3: 學習額外的網頁程式語言，拓寬領域

這部分我倒是覺得可以先跳過去，不急。他推薦的 Clojure、Go... 能做的事情，都大概能用 JavaScript + 各種框架做出來。所以我個人認為，這部分可以先跳過去。

Step 4: 往手機領域前進

沒錯！網頁程式語言也能做出各種 App！誰說寫 Android 或 iOS App 一定得學 Java 或是 Objective-C/Swift？ 網頁程式設計領域有很多軟體，可以輕鬆地把你寫好的網頁程式，轉包成 App 發佈出去（謎之聲：吔...那個效能...就可能不要太挑剔了...笑）

Step 5: 去賺錢吧！

作者在此建議把你的網頁發佈成收費網站，或轉成 App，發佈到 Google Play 或 AppStore 賺錢。更甚者，乾脆去找家公司，過著「善用公司資源，創造優質生活」的日子...（哈哈！）作者準備了一些常見的面試題目，讓你看完後比較有信心面對各家公司奇奇怪怪的各種問題。

原文連結（能看到這裡，辛苦了～～）：
http://www.developingandrails.com/2015/01/crash-course-on-modern-web-development.html

<紀老師總結>

其實我個人推薦的順序比他稍短（但也沒短多少）。如下：

1. 前台技術：HTML --> CSS --> JavaScript （基本功）
2. 前台框架技術： --> jQuery --> Node.js --> Angular.js （讓你學會怎麼用電鑽）
----- (可以去應徵「前台工程師」了） -----
3. 後台語言：PHP / Node.js 市場較大，任挑其一。
4. 後台資料庫： MySQL / MariaDB / PostreSQL 三者擇一。想進大數據領域的，加學 MongoDB。
----- (前後台兼修，可以應徵很多「網站程式設計師」的工作了） -----

接下來的路就不太一樣了。有人就這麼停住，找到一輩子可以安身立命的公司。也有人加學「統計」，與 R、MATLAB、Hadoop 等技術，往「大數據（Big Data）」走。也有人把 jQuery 裡的 jQuery Mobile 分支，與 Angular.js 磨得更亮，加上 Titanium、Sencha、PhoneGap 等嫁接「網頁」與「手機 App」專用的框架，去寫手機 App 了。到這裡，就沒有一定的「路」需要去遵循。您屆時的功力，應該也強到不用人建議，就知道接下來該學什麼了。

希望今天這一長篇文章，對大家有用！也感謝大家用力看完！覺得還不錯話，也分享到您的臉書給其他朋友看看吧！

[好站介紹] 大數據學院（Big Data University）
---- 免費的資料科學（Data Science）影音教學網

http://bigdatauniversity.com/
#BigData #DataScience #elearning

「大數據」（也可以翻譯成「巨量資料」）是近年來人人朗朗上口、但真的要解釋清楚又不容易的名詞。它在資訊學科裡，屬於「資料科學」（Data Science）這個分支。是一門可以從看似雜亂的原始資料，用統計的方式，找出特定趨勢的學問。舉大家都看過的例子，就像購物網站裡「您可能也喜歡...」，然後撈出一堆貨品讓你覺得「哎？電腦怎麼這麼聰明？知道這些東西也是我喜歡的？」其實就是分析網站裡每個人的購物習慣，找出與你相似的人「買了、但你沒買」的物品而已。

這類人需要很強的「統計」與「資訊」背景，大家也知道「統計」不好學，想當然爾這類人才當然很稀少。偏偏目前市場上對這類人才需求孔急，於是各家網路行銷公司紛紛出高薪挖兼具「統計」與「資訊」背景的「大數據」人才。而想投入就業市場的朋友，也在高薪的誘惑之下，前仆後繼地往「大數據」這個領域移動。

今天要介紹給大家的，是個與「大數據」有關的免費教學網站，叫做「Big Data University」。您可以用 Google 或 Facebook 帳號登入，就可以享用該站提供的免費課程。要成為大數據人才需要有的技能，該網站都幫您提供了。我還幫大家找了一些專有名詞的說明網站，希望大家喜歡。該網站提供的大數據課程分類如下：

1. 統計基礎
(1) Big Data Fundamentals 課程
(2) Data Science Fundamentals 課程

2. 資料分析工具
(1) Introduction to R 課程
(2) Introduction to Data Analysis Using R 課程
（R軟體/R語言簡介請參看： http://goo.gl/UtfVhq ）

3. 資料視覺化/呈現工具
(1) Introduction to OpenRefine 課程
（OpenRefine 簡介請參看： http://goo.gl/4b6D22 ）

4. 資料庫相關課程
(1) SQL Fundamentals 課程
(2) Introduction to NoSQL 課程
（NoSQL 簡介請參看： http://goo.gl/SUI2wX ）

5. 大數據使用的程式語言、函式庫
(1) Hadoop Fundamentals （Hadoop: 大數據常用程式語言）
(2) Spark Fundamentals （Spark: 大數據好用函式庫/軟體框架）
（Hadoop 簡介請參看： https://goo.gl/rR7J6z ）
（Spark 簡介請參看： http://goo.gl/KUV6Bw ）

對於小弟如此用心補充各種專有名詞中文資料可以按讚鼓勵一下嗎？ XD 你對大數據有什麼看法呢？還是有什麼問題想問呢？歡迎在下方留言喔！

如果你覺得 Big Data University 太讚了！你可以轉發給 Facebook 的其他朋友。邀請有興趣的同好一起來學，不懂時互相討論，在某人想放棄時鼓勵他堅持下去，不是很美好的一件事嗎？

希望今天的分享您會喜歡，也希望能對增加您資訊專業這方面做出一點貢獻！

[大數據入門書籍推薦] Big Data Glossary (O'Reilly)

http://it-ebooks.info/book/823/

咳咳...不囉唆！先點擊上面的連結，找尋一個位於「Download」字樣旁邊的超連結再來看我底下的說明...說不定你下載完也不想看我的說明就是了 (Mission Completed)... XD

這是一本很適合剛進入「大數據（Big Data）」領域的概念書。比起講解 How，更著重 What。它的書籍大綱如下：

01 Terms
名詞解釋。包含何謂「文件導向（Document-Oriented）」、「鍵-值儲存（Key-Value Stores）」...等基本名詞解釋。

02 NoSQL Database
說明用於大數據資料儲存的常見資料庫系統有哪些？優劣為何？包含 MongoDB、CouchDB、Cassandra、Redis、BigTable、HBase...等。

03 MapReduce
Google 提出的一個大數據軟體架構（Frameworks）。在已經有人做好輪子的時代，想造一部車當然是直接拿別人做好的輪子來用囉！

04 Store
如何儲存資料本體的一章。這裡介紹了 Amazon S3 與 Hadoop Distributed File System 兩個架構。

05 Servers
介紹可用於大數據管理的伺服器有哪些。包含 Amazon EC2, Google App Engine, Elastic Beanstalk, Heroku 等。

06 Processing
介紹大數據分析與處理的工具。包括 R、Yahoo! Pipes、Mechanical Turk... 等。

07 NLP (Natural Language Processing)
自然語言處理。這一章講如何教會電腦「看懂」我們人類撰寫的語言（主要是英文），然後「機器自動爬文」，篩選出隱藏在字裡行間的「數據」。這邊介紹了幾組 NLP API，包括 OpenNLP, Boilerpipe, OpenCalais...等。

08 Machine Learning
講機器學習的一章。教你如何讓你的軟體越來越「聰明」，擁有「類似」人類學習的能力（雖然還不及五歲小孩的學習能力，但現今科技水準就到這裡了，相信將來會進步的）。這篇介紹了 WEKA、Mahout、Scikits.Learn 幾套 API。

09 Visualization
介紹幾套可以把複雜數據「視覺化」成圖表的 API：Gephi、GraphVis...等。

10 Acquisition
標題雖然是「資訊取得（Acquisition）」，但這章其實在講「資料清洗」與「正規化」。如：有個表格內藏你要的資料，你如何把表格拿掉，重新排列，變成你要的資訊存入資料庫內。

11 Serialization
標題直譯的話，會翻成「序列化」。但比較偏講「如何找到一種放諸四海皆準的『中間格式』（如：XML），好讓資料從一部系統，透過這個『中間格式』，轉換到另一部系統」。這章講了 JSON、Thrift...等格式。

我覺得這是本可以帶在身上，等車無聊時隨手看兩頁的書。因為它前後章節並沒有太強烈的連貫性，內容也大多偏向名詞解釋，不需要擺台電腦在身邊實驗兩下才會懂。所以隨時中斷閱讀也沒啥關係。看完後，就應該可以參加相關的會議討論，而不會有什麼名詞聽不懂了。很適合初學大數據的工程師，或專案經理閱讀。

如果你也覺得本篇內容不錯的話，麻煩您轉分享給您的朋友，讓他們也能免費得到一本大數據的電子書喔！希望今天介紹的內容大家會喜歡！