3、 第一大类：理论类。 理论层面的书籍，比如《大数据时代》 、《数据之巅》 。 第二大类：技术类。 技术层面的书籍，比如《Hadoop技术内幕》系列。 这一类的书籍，主要是指系统技术类，在构建大数据系统时，系统如何运作，各系统组件的设计目标、框架结构、适用场景、工作原理、运作机制、实现功能等等。

2、 2.《浅显易懂数据分析》数据分析入门首先本。 类似于小说的生动办法，浅显易懂形象生动地诠释了数据分析的根底进程，试验办法，最优化办法/假定查验法袭弊锋/贝叶斯核算法/等等办法论，让读者可以对剖析概念有个全面的认知。

4、 2、机器学习算法 系统学习机器学习算法最好的入门级课程是斯坦福大学的机器学习公开课，这门课程由吴恩达讲授，非常经典。 还有几本比较经典的书籍可以和公开课相互参照，比如周志华的《机器学习》，俗称“西瓜书”，比较通俗易懂，适合入门;李航的《统计学习方法》，偏数学一些，可以不时翻看。

1、 《Spark 快速大数据分析》是一本为Spark 初学者准备的书，它没有过多深入实现细节，而是更多关注上层用户的具体用法。 不过，本书绝不仅仅限于Spark 的用法，它对Spark 的核心概念和基本原理也有较为全面的介绍，让读者能够知其然且知其所以然。