本文重点列出了很多与核心技能相关的的优秀学习资源。
1
数据工程入门
《数据工程入门指南》(第1部分)：
《数据工程入门指南》(第2部分)：
《数据工程入门指南》(第3部分)：
2
基本语言要求：Python
在Scratch平台上使用Python学习数据科学的完整教程：
使用Python的数据科学导论：
Codeacademy上学习Python课程：
Allen Downey的《思考Python》：
Python 3的非程序员教程：
3
操作系统知识
Linux服务器管理和安全：
CS401-操作系统：
Raspberry Pi平台和Raspberry Pi的python编程：
4
数据库知识-SQL和NoSQL
免费学习SQL:
快速查找SQL命令的备忘录：
MYSQL教程：
学习Microsoft SQL Server：
PostgreSQL教程：
Oracle Live SQL：
NoSQL数据库
MongoDB来自MongoDB：
MongoDB简介：
学习Cassandra：
Redis Enterprise：
Google Bigtable：
Couchbase：
5
Hadoop、Hive、Pig、Spark、Kafka...
Hadoop基础知识：
Hadoop入门包：
HortonWorks教程：
MapReduce简介：
Hadoop超越了传统的MapReduce-简版：
《Hadoop详解》：
《Hadoop-你应该了解的》：
《使用MapReduce进行数据密集型文本处理》：
Hadoop LinkedIn小组：
Apache Spark、RDD和Dataframes(使用PySpark)的综合指南：
初学者学习Spark R的详细指南：
Spark的基础知识：
ApacheSpark和AWS简介：
涵盖Hadoop、Spark、Hive和Spark SQL的综合教程
大数据基础知识-HDF、MapReduce和Spark RDD：
大数据分析-Hive、Spark SQL、DataFrames 和GraphFrames：
大数据应用-实时流：
使用Apache Kafka简化数据管道：
Kafka官方文档：
用Kafka给数据科学家赋能：
6
基本的机器学习知识
学习机器学习基础知识的新手指南：
机器学习算法基本知识：
新手必读的机器学习和人工智能书籍：
提升你知识和技能的24个终极数据科学项目：