大数据目前应用广泛，在我看来，现在社会，数据无处不在。大数据是以数据为核心，是一个围绕大数据生命周期不断循环往复的生产过程，但也需要很多行业协作和配合。
数据主要分为：收集、存储、建模、分析和产品输出几个阶段。目前，收集是通过各种软件应用收集或者设备收集；存储通过网络，云计算进行存储，通过数据科学家或者行业专家进行建模或者加工，最后数据分析得到知识，最终输出产品，提供给用户的完整过程。
目前大数据人才主要分为三类：一类是基建和架构；二类是建模与分析；三类是应用实现。
3月份主要阅读了高扬等编写的《白话大数据与机器学习》，这本书通俗易懂。学到了：统计与分布相关概念、指标问题、信息论相关概念、多维向量空间、回归问题、聚类问题、分类问题、关联分析、用户画像、推荐算法、文本挖掘、人工神经网络、了解大数据的框架、大数据的系统架构与调优问题、数据解读与数据的价值。
4月份主要阅读了吴军等编写的《数学之美》，这本书内容丰富，信息量足，但是把很多概念都分析出来了。主要内容有：文字和语言讲述了数字和信息关系；统计让自然语言处理走出了很好的路；描述了统计语言模型；分词的原则；隐含马尔科夫模型在语音和语言方面的应用；信息的度量和作用，为通信、数据压缩、自然语言处理、在机器学习算法决策树等应用广泛；布尔代数和搜索引擎的关系；图论和网络爬虫，这是离散数学的经典应用。pagerank网页排名技术及计算方法，背后是大量的矩阵分解与矩阵运算，理解了TF-IDF信息论的含义；动态规划和有线状态机之间的关系；余弦定理在相似度分析中的广泛应用；矩阵运算和文本处理中的分类问题（词袋和主题的作用）；信息指纹及其应用，为我们查找信息提供了有效算法；密码学基础；搜索引擎要注意的问题；最大熵模型和最大熵原理；拼音输入法建立在统计之上的；布隆过滤器为信息指纹及其应用；贝叶斯网络；条件随机场、文法分析；维特比算法；期望最大化算法；逻辑回归和搜索广告；分治算法是MapReduce的基础；人工神经网络与google大脑。