大数据工程师需要精通算法吗，要达到一个什么程度呢？

机器学习是人工智能的一个重要分支，而机器学习下最重要的就是算法，本文讲述归纳了入门级的几个机器学习算法，关注基数智能微信公众号jishu2017ai，一起加入AI技术大本营。

1、监督学习算法

这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。监督式学习的例子有：回归、决策树、随机森林、K – 近邻算法、逻辑回归等。

1）线性回归

这是《白话大数据与机器学习》1.3.2节内容，希望有用！

什么是大数据，大数据的意义是什么？弄清这两个问题，或许对你来说，很有必要，首先大数据不外乎就是我们目前面对的数据比以往要多很多很多倍，是一台计算机无法处理的，是需要很多台计算机进行处理的，那么大数据的意义是什么？我们之所以要处理大数据，其目的就是要提炼出数据里面对我们有用的信息，然后利用这些有用的信息帮助我们处理很多现实生活中的问题，比如大数据处理的一个经典原型就是，超市将啤酒放在婴儿布旁边，看似不相关的东西，却产生了关联，原因是超市经过分析，很多时候买婴儿布的人，买了布之后，又去卖啤酒的地方拿啤酒。

那么怎么提炼里面的信息并且对我们有用呢？这肯定需要的知识非常多了，因为这些信息首先是我们不知道的？所以我们不能够设计一个固定的模式去进行提炼，而是要从多维的视角去进行提炼，这一系列就设计算法和很多数学及其他专业的课程了，所以，大数据不仅仅是一门计算机课程，而是需要多门知识才能够处理好的课程。

～

说明一下，全栈（Full stack ）和大数据这两个内容请不要糅合在一起！全栈指的是java web从前台页面，包括抠图，切图再到后台程序编写，数据库，系统环境搭建这一系列！

大数据是专注于对大量数据，几百或上千个G这样的数据进行处理，归纳，统计和分析！且每次处理的数据都是几百或上千万条，集中在数据库层面，例如Hadoop 技术。

大数据虽然可以说属于数据库层面，但一般人要精通全栈再精通大数据，是学不完的，精力不够！大数据只是数据层面的一个大的扩展，但不应该归为全栈当中去！

大数据肯定需要算法的，然而作为小白，建议题主先打好基础！大数据也需要编程基础的，像java，Scala 这些需要基础也是要有的！建议题主不要那么快去想着算法，因为对于小白来说，个人觉得还为时过早！