大数据学习已然成为时代所趋，不同的人都会选择不同的学习方式。 如果你跟我一样，都是选择通过视频教程来进行学习，可以参考一下我的学习路径和视频教程，个人觉得这套大数据视频教程，还是很给力的。
对于我们初学者来说，能听懂，学的下去是基本的要求，在这套视频教程中，老师讲的通俗易懂，就算是身为小白的我，也是能看懂的。
大数据视频教程： https://pan.baidu.com/s/1Azt2tY2ejzXVLaJPo20N_g。
大数据学习路线：
阶段一、大数据基础——java语言基础方面
（1）Java语言基础
Java开发介绍、熟悉Eclipse开发工具、Java语言基础、Java流程控制、Java字符串、Java数组与类和对象、数字处理类与核心技术、I/O与反射、多线程、Swing程序与集合类
（2） HTML、CSS与JavaScript
PC端网站布局、HTML5+CSS3基础、WebApp页面布局、原生JavaScript交互功能开发、Ajax异步交互、jQuery应用
（3）JavaWeb和数据库
数据库、JavaWeb开发核心、JavaWeb开发内幕
阶段二、 Linux&Hadoop生态体系
Linux体系、Hadoop离线计算大纲、分布式数据库Hbase、数据仓库Hive、数据迁移工具Sqoop、Flume分布式日志框架
阶段三、 分布式计算框架和Spark&Strom生态体系
（1）分布式计算框架
Python编程语言、Scala编程语言、Spark大数据处理、Spark—Streaming大数据处理、Spark—Mlib机器学习、Spark—GraphX 图计算、实战一：基于Spark的推荐系统（某一线公司真实项目）、实战二：新浪网（www.sina.com.cn）
（2）storm技术架构体系
Storm原理与基础、消息队列kafka、Redis工具、zookeeper详解、实战一：日志告警系统项目、实战二：猜你喜欢推荐系统实战
阶段四、 大数据项目实战（一线公司真实项目）
数据获取、数据处理、数据分析、数据展现、数据应用
阶段五、 大数据分析 —AI（人工智能）
Data Analyze工作环境准备&数据分析基础、数据可视化、Python机器学习
1、Python机器学习2、图像识别&神经网络、自然语言处理&社交网络处理、实战项目：户外设备识别分析
对于我们自学大数据的人来说，要更加注重系统性，其次是耐性。每一个知识点都要去循序渐进的了解，除了看视频教程之外，建议买一两本大数据技术的书籍，视频和书籍想结合，对技术的理解会更加深刻！