資料分析如何快速閱讀

　　文字快速定位法：快速瀏覽整篇材料，提取片段資訊、關鍵詞彙並做好標記，然後根據片段資訊分析各段大意，再觀察題目，由題目中的關鍵字眼，對應查詢上步提取的關鍵字，可快速定位到文章的相關段落，可起到提高做題速度的效果；表格交叉項法：快速瀏覽表格後，弄懂其標題、橫標目、縱標目和註釋等所代表的意義，再根據題目定位到相應的橫、縱標目，即可在其交叉處獲得相應的資料；圖形要點抽取法：快速瀏覽圖形後，弄懂其標題、橫座標、縱座標和圖注等所代表的意義，再根據題目定位到相應的橫、縱座標和圖注，即可獲得相應的資料；綜合分析法：快速瀏覽資料，重要的是抓住文字、圖形、表格兩兩之間或者三者之間的關聯點。在理解文字材料中的關鍵詞、表格的各級標目和標題、圖形的標題的基礎上，弄懂整篇材料的含義，再根據題目定位到相應的段落、表格或圖形的某一點，即可獲得相應資料。

　　第一階段：大資料前沿知識及hadoop入門，大資料前言知識的介紹，課程的介紹，Linux和unbuntu系統基礎，hadoop的單機和偽分佈模式的安裝配置。

　　第二階段：hadoop部署進階。Hadoop叢集模式搭建，hadoop分散式檔案系統HDFS深入剖析。使用HDFS提供的api進行HDFS檔案操作。Mapreduce概念及思想。

　　第三階段：大資料匯入與儲存。mysql資料庫基礎知識，hive的基本語法。hive的架構及設計原理。hive部署安裝與案例。sqoop安裝及使用。sqoop元件匯入到hive。

　　第四階段：Hbase理論與實戰。Hbase簡介。安裝與配置。hbase的資料儲存。專案實戰。

　　第五階段：Spaer配置及使用場景。scala基本語法。spark介紹及發展歷史，spark stant a lone模式部署。sparkRDD詳解。

　　第六階段：spark大資料分析原理。spark核心，基本定義，spark任務排程。sparkstreaming實時流計算。sparkmllib機器學習。sparksql查詢。

　　第七階段：hadoop+spark大資料分析。實戰案例深入解析。hadoop+spark的大資料分析之分類。logistic迴歸與主題推薦。

　　1、先看題後看資料；

　　2、在看題的時候就形成一個計算的步驟、需要什麼條件等等；

　　3、看題的時候，勾畫關鍵詞；

　　4、題目輪廓清楚之後，右手指著關鍵詞，左手迅速在材料中掃描相關關鍵詞來定位；

　　5、熟練掌握一些常用的計算；

　　6、多練習口算；

　　7、學習簡便運算，快速運算。