定义

    ----------------- --------想做什么，为这个想做，你做了哪些储备和努力？？-----------------------

1.机器学习：

（1）应用场景和前景【出口】：主流在个性推荐，广告业务（学长言）

（2）主要做什么【工作内容与难点】：【特征工程】。。。处理数据，用算法跑一跑，（一般写map reduce抽取特征或者spark，送给机器学习算法跑结果）；

              以文本分类为例（文本分类与SVM：http://blog.csdn.net/zhzhl202/article/details/8197109）应该是主要集中在了特征提取这一块

         难点在：数据基础和模型算法

（3）进入门槛：【入口】

基础： 分类，聚类，回归算法，

工程：mapReduce， Spark，+代码基本功，以及对于基本算法的理解

机会：现在无

成本：预估一到两月：

风险：找不到好的实习和工作：60%

起点：了解基本概念

路径：自学准备后，找实习，找工作。

2.大数据研发工程师

（1）应用场景和前景（出口）：

（x1）0.1平台提供数据支持；0.2自助查询（分析产品）；0.3产品决策【大数据经理，杜洪先说】

（x2）大数据的展示，偏Javaweb; 大数据的存储，和计算；（外卖，卓聪说）

（2）主要做什么：

         （a）Hadoop等各种集群的搭建维护和运维，也研究一些需要用到的新的查询框架。。优化在外围，以开源社区为主

          （b）ETL：从业务抽取数据到大数据机器

          （c）从集群读出数据，形成数据分析产品

（3）进入门槛（入口）：Java基础 ，Hadoop，查询引擎

机会：有

成本：

风险：结果如何我也不知？？

3.php研发

（1）应用场景和前景（出口）：互联网web开发

（2）主要做什么：（工作内容与难点）用php开发满足业务需求

（3）进入门槛：php

机会：有

成本：学习成本在php语言

风险：？？

4.客户端开发

（1）应用场景和前景（出口）：手机客户端开发

 （2）主要做什么：做数据的展示，和操作的提交

 （3）进入门槛：android

机会：30%

成本：深入学习Android

风险？？？

5.读博士

（1）应用场景和前景（出口）：去高校做老师

（2）主要做什么：发文章，做项目

（3）进入门槛：科研的基础于经验，发的文章。。

机会：30%

成本：？？？

风险？？？？？？