学习周报202000606 | 适当运动让自己精力更加充沛！
这周在工作上花的时间还是比较多了，每天几乎都在OT，回到家都几乎10点多了，不过还是会坚持去跑步????，大概15-30分钟左右，跑完还是会感觉好很多，一天坐在电脑前的疲劳减去不少，晚上也睡得更加深沉，还是蛮不错的，推荐给大家。
本周学习的内容还是在Java的基础，这块内容还是得逐步递进，暂时来说还接触不到一些实战的东西，这个过程还是蛮boring的，不过看着不断增加的笔记????，还是有点点满足感的，持续学呗，再往后一些找一些实战的东西，和大数据相关的，比如写写udf供Hive来调用之类的。
???? 笔记罗列：
其实我也有在想到底学习Java要学到什么程度才够，其实得出来的结论就是永远不够的，得针对地来看，对于面试，很多会问一些JVM、高并发、面向对象、设计模式、网络等等理论概念，需要理解，然后再看看网上的面经其实也就足够了。而对于自身的能力提升来说，学习完Java对于我们使用Hadoop来处理大数据，实现mr计算模型等，这对于自身的竞争力提升也是蛮有效果的。而对于更加专业化一些的方向，也就是实时计算平台的功能实现那块，也可以有偏向性的学习flink相关的Java实现知识、实时计算等等，总的来说因人而异吧，得自己分析一下想要深造的方向，然后确定学习的范围，然后埋头学习就好了。
最近由于工作的需要，我也得学习一下Spark的知识，所以自己也开了一门课程在学习，争取快速学完基础的知识然后投入到实际的工作中去，挑的一门课程主要是用Scala语言来讲的，所以也可以顺便了解一波Scala的语法，不过暂时不打算深入去学习，给自己的底线就是可以看得懂大概就可以，等我把Java的学习完之后再看看情况吧，因为目前可能用到Scala的场景也不多吧，Spark学会了之后其实用Python也可以实现功能。
目前我的工作涉及到DM（数据挖掘）和ML（机器学习）的内容不多，但在我了解了Spark之后其实也知道这块的内容它也可以做，所以推荐一下同学们也可以抽空学习学习，Spark全面兼容Hadoop的生态系统的MapReduce框架，同时它提供了Scala、Java和Python的语言编程接口，所以使用起来还是挺容易入门的，可以基本满足ML和DM的基本流程，如：
数据获取和存储
数据清洗和转化
模型训练
模型评估，循环测试调整
模型部署和使用
监控和反馈
而且支持的模型也有很多，如推荐引擎、分类模型、回归模型、聚类模型等等，所以还是值得来学习学习的。
????OK，本周的学习总结就到这里啦，祝大家周末愉快~周日就好好休息吧，准备下周的奋斗！