终于有人把大数据、人工智能学习路线给讲完了
如今随着环境的改变，也经常关注技术圈的发展，但自己适合的技术发展道路该怎么走，也算有个方向了。
但是技术有自己的发展周期，众所周知的很多语言技术已经在长久的历史发展中掩埋，这期间不同的程序员也走出的自己的发展道路，有的去了解新的发展趋势的语言，了解新的技术，利用自己原先的思维顺利改变自己的title。
比如我自己都在往更高的技能走，我认为这是一个很聪明的想法，横向发展，拖宽自己的知识广度，未来或许就能把握更多的机遇。
以上是2018年 BigData & Al Landscape 全景图
在全球各个应用企业，应用行业，开源组织都可以一览无遗 ， 2019年势头正在愈演愈烈！
从上面可以了解到，在行业发展，技术的发展趋势是很重要的，通过趋势让自己拿到新的一轮门票，走上更高的发展那么我们才能成长的够好。
一、当下如何正确姿势深耕大数据，需要哪些基本技能？
如果你初步掌握下面任何一种语言，转型大数据都是非常轻松的：
Java：编程是大数据开发的基础，Java编程是必备技能！Python：是计算机程序设计语言，在大数据处理框架中得到支持应用。Scala：是一门多范式的编程语言，类似java的编程语言。Go：（又称Golang）语法接近C语言，但对于变量的声明有所不同。R语言：用于统计分析、绘图的语言和操作环境。技术层面来说，它们都是大数据的一个工具而已。其实只要有点基础的程序员转型大数据，都有天然的进阶优势，哪怕你没有学过任何一种编程语言零基础，也是可以学会的。
不管是初学者还是资深程序员，应该专注于<语言特性>,而不是纠结哪类语言，只有这样才能达到融会贯通，拿起任何语言基本上都会用，并写出高质量的代码来。
二、大数据开发学习路线
大数据全系列学习开发路线
前言阶段：什么是大数据？什么是人工智能？第一阶段：linux 系统第二阶段：大型网站高并发处理第三阶段：Hadoop 分布式文件系统：HDFS第四阶段：Hadoop 分布式计算框架：Mapreduce第五阶段：Hadoop 离线体系：Hive第六阶段：Hadoop 离线计算体系：Hbase第七阶段：Zookeeper 开发第八阶段：elasticsearch 分布式搜索第九阶段：CDH 集群管理第十阶段：Storm 实时数据处理第十一阶段：Redis 缓存数据库第十二阶段：Spark 核心部分：Spark Core第十三阶段：机器学习第十四阶段：机器学习：推荐系统项目第十五阶段：面试和成功求职的秘技第十六阶段：入职后快速成长到CTO
人工智能学习开发路线
预科阶段：快速实战入门第一阶段：Python语言基础与补充数学知识第二阶段：经典机器学习算法与案例实战第三阶段：其它机器学习算法与案例实战第四阶段：海量数据挖掘与实战第五阶段：深度学习原理架构与实战第六阶段：项目-Recommend推荐系统第七阶段：项目-NLP自然语言处理第八阶段：项目-Image图像识别第九阶段：项目-GAN对抗生成网络及用户画像第十阶段：面试和成功求职的秘技第十一阶段：入职后快速成长到CTO、
