編程倉
1. 璁＄畻鏈鴻璦鎺掑悕鍓嶅嶮鍚嶏紵
浠ヤ笅灝辨槸鎴戜負澶у舵暣鐞嗙殑2017騫存渶鍊煎緱瀛︿範鐨勭紪紼嬭璦TOP10錛
絎10鍚嶏細Scala
Scala鏄鐢盡artinOdersky璁捐＄殑涓縐嶉氱敤紼嬪簭緙栫▼璇璦銆2004騫1鏈20鏃ワ紝Scala寮濮嬫敮鎸佸嚱鏁板紡緙栫▼錛屽苟鎺ㄥ嚭寮洪潤鎬佺被鍨嬬郴緇熴備負浜嗚揪鍒扮畝媧佺殑鐩鐨勶紝Scala鐨勬墍鏈夎捐￠兘鏉ヨ嚜浜庡ぇ瀹跺逛簬java鐨勬壒璇勬葷粨銆係cala鐨勬簮浠ｇ爜浼氳緙栬瘧鎴怞ava瀛楄妭浠ｇ爜錛屽洜姝ょ敓鎴愮殑鍙鎵ц屼唬鐮佸皢鍦↗ava鉶氭嫙鏈轟笂榪愯屻
絎9鍚嶏細Swift
浣滀負Objective-C鐨勬帴鐝浜猴紝Swift鏄鍘嗗彶涓婂彂灞曟渶蹇鐨勭紪紼嬭璦涔嬩竴銆傚畠鐢盇pple寮鍙戱紝鎵浠ラ潪甯擱傚悎鐢ㄤ簬緙栧啓iOS錛宮acOS錛寃atchOS鍜宼vOS涓婄殑搴旂敤銆係wift鐩稿瑰共鍑銆佸揩閫熶笖姝ｇ『鐜囬珮錛屽悓鏃朵篃鍙浠ョ緝鐭浠ｇ爜鐨勯暱搴︼紝鑺傜渷鏃墮棿鍜岀簿鍔涖傜敱浜嶴wift鏄寮婧愮殑錛屾墍浠ュ紑鍙戣呬篃鍙浠ュ湪Windows鎴栬匧inux涓婅繘琛屽紑鍙戱紝璁捐¤嚜宸辯殑緙栬瘧鍣錛屼絾闇紜淇濊嚜宸卞啓鐨凙pp鍜孉pple璁懼囧吋瀹廣
絎8鍚嶏細VisualBasic.NET
VisualBasic.NET鐢卞井杞寮鍙戱紝鏄涓縐嶅氳寖寮忥紝闈㈠悜瀵硅薄鐨勭紪紼嬭璦銆傛渶鍒濊捐＄殑鐩鐨勬槸甯屾湜鑳藉熸柟渚垮湴灝哣isualBasic搴旂敤瀵煎叆鍒癡S.NET涓錛岃岃繖縐嶅厖鍒嗗埄鐢ㄦ柊鐨勮繍琛屾椂錛坮untime錛夌殑渚嬪瓙鏄闈炲父灝戣佺殑銆傝繖縐嶅仛娉曚嬌寰楀緢澶т竴閮ㄥ垎鑰佹淳鐨勫紑鍙戣呬滑鑳藉熷垏鎹㈠埌鏂扮殑寮鍙戠幆澧冧腑錛屼笌浠撲績鍦板︿範涓縐嶆柊璇璦鐩告瘮錛屽︿範鏇茬嚎瑕佸鉤婊戝緱澶氥
絎7鍚嶏細Ruby
Ruby鏄涓縐嶅姩鎬侊紝鍙嶅皠寮忥紝闈㈠悜瀵硅薄鐨勯氱敤緙栫▼璇璦銆傚畠鏀鎸佸氳寖寮忕紪紼嬶紝鍖呮嫭鍑芥暟寮忥紝闈㈠悜瀵硅薄絳夈
鍦2016騫3鏈堟椂錛孯uby璇璦鍦═OP10涓涔熸帓寰楀緢鍓嶏紝濡備粖錛屽畠浠嶇劧鏄鍒涗笟鍏鍙革紝寮鍙戣咃紝鐢氳嚦鏄鎴愮啛浼佷笟鍋忓ソ鐨勫伐鍏楓傜劧鑰岋紝鉶界劧Ruby寰堝ぇ紼嬪害涓婃敼榪涗簡鍏舵嗘灦(RubyonRails)錛屽彉寰楁洿鍔犵伒媧諱笖浣垮緱寮鍙戞柊鐨勫簲鐢ㄥ彲鍖哄潡鍖栵紝浣嗘槸Node.js鐨勫礇璧鳳紝寰堝ぇ紼嬪害涓婁嬌寰桼uby鏃犳硶鎷ユ湁鏋佸叿絝炰簤鍔涚殑鏂頒竴浠ｅ紑鍙戣呫
絎6鍚嶏細PHP
PHP錛堣秴綰ф枃鏈棰勫勭悊璇璦錛夋槸涓縐嶆湇鍔″櫒絝鐨勮璦銆傚備粖錛屽畠琚鐢ㄤ簬瓚呰繃80%鐨勭綉絝欙紝鍖呮嫭Facebook錛學ikipedia錛孴umblr鍜學ordPress銆侾HP涓嶄粎鍥犱負鏄撲簬涓婃墜錛岃屽彈鍒版柊鏅嬪紑鍙戣呬滑鐨勬㈣繋錛屼篃涓哄緢澶氭垚鐔熺殑寮鍙戣呮彁渚涗簡澶ч噺鐨勪紭縐鐗規с傚洜姝わ紝涓栫晫鍚勫湴閮藉筆HP緗戠粶寮鍙戣呴渶奼傚法澶с
2004騫達紝PHP琚玊IOBE鎺堜簣鈥滃勾搴︽渶浣寵璦鈥濆栥傛ゅ栵紝PHP榪樻槸鎴姝2010騫3鏈堬紝絎3鍙楁㈣繋鐨勮璦銆
絎5鍚嶏細Java
Java鏄鐜頒粖浼犳挱鏈騫跨殑緙栫▼璇璦涔嬩竴銆傚畠鏄涓縐嶆祦琛岀殑錛屽己澶х殑錛屽姩鎬佽剼鏈璇璦錛屽挨鍏跺杽浜庡紑鍙戜紭縐鐨勭綉欏碉紝鍜岀綉欏墊父鎴忋侸ava鐨勮稿氳娉曢兘鏄浠嶤璇璦鑰屾潵銆傚畠涓庢墍鏈夋祻瑙堝櫒鍏煎癸紝騫惰鐢ㄤ簬瓚呰繃90%鐨勭綉欏典腑銆傝繎鍑犲勾錛孞ava榪樿浣滀負Node.js鐨勫熀紜錛屽悗鑰呮槸涓縐嶆湇鍔＄鎶鏈錛屽姛鑳戒箣涓鏄瀹炵幇瀹炴椂閫氫俊銆
Java鏈鏃╁湪NetscapeNavigator錛堢綉鏅瀵艱埅鍣錛変腑鍑虹幇錛屽苟鎴愪負浜嗙幇浠ｅ姩鎬佺綉欏電殑鍩虹銆
絎4鍚嶏細GO
Go錛堟垨鑰匞OLANG錛夌敱Google鍦2007騫村紑鍙戱紝鏄涓縐嶅厤璐圭殑寮婧愮紪紼嬭璦銆傚畠鏈夌潃浼樼鐨勬爣鍑嗗簱錛屼笖緙栬瘧閫熷害寰堝揩銆傚悓鏃訛紝瀹冧篃寰堝杽浜庡勭悊騫跺彂浠誨姟鍜岀▼搴忋侴oogle緇欎簡Go澶ч噺鐨勬敮鎸侊紝姣斿備嬌鐢℅o璇璦鐨勭綉絝欐湁Netflix錛孻ouTube鍜孉dobe銆
絎3鍚嶏細Python
Python鏄涓縐嶅簲鐢ㄥ箍娉涚殑楂樼駭閫氱敤緙栫▼璇璦錛岀畝鍗曪紝鏄撹匯傚畠鏄涓縐嶄竾鑳界殑宓屽叆寮忚剼鏈璇璦錛屾槸璁稿氱綉絝欐灦鏋勭殑鍧氬疄鍩虹錛屽悓鏃朵篃鏄鑷鍔ㄥ寲浠誨姟錛堝寘鎷鍦3D搴旂敤涓錛夛紝妗岄潰緙栫▼宸ュ叿錛屾暟鎹縐戝︾瓑鐨勪笉浜岄夋嫨銆侾ython榪樿鐢ㄤ簬鏁欒偛錛屽洜姝ゅ畠榪樺寘鍚浜嗘暟瀛︼紝鐗╃悊絳夊唴瀹廣傝稿氭妧鏈宸ㄥご濡侴oogle鍜孻ahoo錛屼互鍙奛ASA錛孭BS鍜孯eddit絳夐兘浣跨敤Python緙栧啓浠栦滑鐨勭綉絝欍
絎浜屽悕錛欳
2015騫3鏈堬紝C璇璦琚璇勪負鍏ㄤ笘鐣屾渶鍙楁㈣繋鐨勮璦銆侰璇璦鐨勫簲鐢ㄥ嚑涔庢槸鏃犳㈠冪殑錛屽畠涔熶竴鐩存槸鏈鍙楁㈣繋鐨勮璦鍓2鍚嶃
C++鐢盋鍙戝睍鑰屾潵錛岃孋鏇村姞綆鍗曪紝鍔熻兘涔熻緝灝戙侰璇璦鏄鐢盌ennisRitchie錛屼簬1972騫村紑鍙戠殑闈㈠悜榪囩▼鐨勮璦錛屽湪UNIX鎿嶄綔緋葷粺涓浣跨敤銆傝櫧鐒禖鏄涓縐嶇浉瀵硅緝鑰佺殑璇璦錛屼絾瀹冧粛鐒惰騫挎硾搴旂敤浜庣郴緇熺紪紼嬶紝緙栧啓鍏跺畠璇璦鍙婂祵鍏ュ紡緋葷粺涔嬩腑銆侺inux鎿嶄綔緋葷粺鐨勫唴鏍稿氨鏄鐢–璇璦緙栧啓鐨勩
絎1鍚嶏細Java
灝卞彈嬈㈣繋鐨勭▼搴﹁岃█錛孞ava鏄疌鐨勪富瑕佸規墜錛屼簩鑰呭叡浜鍓2鍚嶇殑浣嶇疆銆侸ava鑾峰緱鈥2015騫村勾搴︽渶浣寵璦鈥濆栵紝鑰屾嵁Oracle鍏鍙哥О錛屼嬌鐢ㄥ畠鐨勫紑鍙戣呰秴榪900涓囥
Java鍦ㄤ笘鐣岃寖鍥村唴琚鍑犵櫨涓囩殑寮鍙戣呭簲鐢ㄤ簬鍑犲嶮浜胯懼囦腑銆傚畠鏄涓縐嶅熀浜庣被鐨勯潰鍚戝硅薄鐨勮璦錛屽畠鐨勮法騫沖彴鐗規т嬌寰楁墍鏈夌殑騫沖彴銆佹搷浣滅郴緇熷拰璁懼囬兘瀵瑰叾鍏煎廣傚畠琚鐢ㄤ簬寮鍙戝畨鍗揳pp錛屾岄潰app鍜岀數瀛愭父鎴忥紝鏄璁稿氫紒涓氬悗鍙扮殑寮鍙戣璦銆侸ava鐨勮法騫沖彴鐗規у皢淇濇寔寰堥暱涓孌墊椂闂達紝鑰岃繖姝ｆ槸Java鍙楁㈣繋鐨勭悊鐢便
2. mt4的EA編程中,Symbol()和NULL的用法有什麼區別
NULL 是留空的意思，指默認貨幣對，你把ea拉到那個貨幣對的圖表，就指該貨幣對
Null 還有默認圖表 默認計算方式等等意思
symbol（）允許你在任何一個圖表，操作讀取其他貨幣對的數據 （策略測試不行），還被運用來「預防把ea運行在錯誤的圖表上」例如smybol==gbpusd加入建倉條件中，是為了規定這個ea只能用來做gbpusd。
補充：我擼代碼不行，這只是思路。具體代碼寫法可以查mt4幫助文件
3. 軟體開發的一般流程是什麼_
軟體開發流程分為: 需求確認——概要設計——詳細設計——編碼——單元測試——集成測試——系統測試——維護
軟體開發是一項包括需求捕捉、需求分析、設計、實現和測試的系統工程。軟體一般是用某種程序設計語言來實現的。通常採用軟體開發工具可以進行開發。軟體分為系統軟體和應用軟體，並不只是包括可以在計算機上運行的程序，與這些程序相關的文件一般也被認為是軟體的一部分。
軟體設計思路和方法的一般過程，包括設計軟體的功能和實現的演算法和方法、軟體的總體結構設計和模塊設計、編程和調試、程序聯調和測試以及編寫、提交程序。
(3)編程倉擴展閱讀
軟體開發方面的工作。具體可分為以下方面：
1可視化編程掌握程序設計方法及可視化技術，精通一種可視化平台及其軟體開發技術。獲取Delphi程序員系列、Java初級或VB開發能手認證。 就業方向：企業、政府、社區、各類學校等可視化編程程序員。
2 WEB應用程序設計 具有美工基礎和網頁動畫設計能力，掌握互動式網頁程序的設計技術，能進行網站建設和維護。獲取Macromedia多媒體互動設計師或Delphi初級程序員或Delphi快速網路開發工程師認證。 就業方向：企業、政府、社區、各類學校等WEB應用程序員。
3軟體測試掌握軟體測試的基本原理、方法和組織管理，精通軟體測試工具。獲取ATA軟體測試工程師或Delphi初級程序員或Java初級程序員認證。 就業方向：企業、政府、社區、各類學校等軟體測試員。
4 資料庫管理 能應用關系範式進行資料庫設計，精通SQL語言，勝任資料庫伺服器管理與應用工作。獲取Oracle資料庫管理或SQL Server資料庫應用或Windows XP應用認證。 就業方向：企業、政府、社區、各類學校等部門的中、大型資料庫管理員。
5 圖形圖像製作 精通國際上流行的圖形/圖像製作工具（如CorelDraw、Photoshop、Pagemaker等）。獲取平面設計師相關的認證。 就業方向：廣告製作公司、建築設計公司、包裝裝璜設計公司、居室裝修公司、出版印刷公司。
參考資料來源：網路-軟體開發
4. cnc操作員前途怎麼樣和倉管我該選擇哪行
如果是論前途的話，我覺得你去學CNC會好些，你別小看現在是學徒，大師都是從學徒走出來的，剛開始的時候，你可能就在那打雜，等過了一段時間，代你的師傅覺得你不錯的話就會教你了，當然前提是你要好好表現，要好學，要多問，等你會看圖紙了，會熟練操作那些機器，能獨立完成一些模具的製造的時候 ，你的工資自然會加的，3000以上應該不成問題，如果你再好好學學CNC編程的話，學精了，那麼，在那家工廠就是重要人物了，這是技術活，在沿海一帶，一個CNC工程師的工資五六千還算低的了。如果是倉管的話，發展前途不大，除非你能達到去做物流，你喜歡學PHP，做學徒也可以學的嘛。
5. 大數據開發和數據分析有什麼區別
大數據分析是指對規模巨大的數據進行分析。大數據可以概括為4個V， 數據量大(Volume)、速度快(Velocity)、類型多(Variety)、價值（Value）。
大數據開發其實分兩種，第一類是編寫一些Hadoop、Spark的應用程序，第二類是對大數據處理系統本身進行開發。第一類工作感覺更適用於data analyst這種職位吧，而且現在Hive Spark-SQL這種系統也提供SQL的介面。第二類工作的話通常才大公司里才有，一般他們都會搞自己的系統或者再對開源的做些二次開發。這種工作的話對理論和實踐要求的都更深一些，也更有技術含量。
大數據作為時下最火熱的IT行業的詞彙，隨之而來的數據倉庫、數據安全、數據分析、數據挖掘等等圍繞大數據的商業價值的利用逐漸成為行業人士爭相追捧的利潤焦點。隨著大數據時代的來臨，大數據分析也應運而生。
應用案例，與往屆世界盃不同的是，數據分析成為巴西世界盃賽事外的精彩看點。伴隨賽場上球員的奮力角逐，大數據也在全力演繹世界盃背後的分析故事。一向以嚴謹著稱的德國隊引入專門處理大數據的足球解決方案，進行比賽數據分析，優化球隊配置，並通過分析對手數據找到比賽的「制敵」方式；谷歌、微軟、Opta等通過大數據分析預測賽果...... 大數據，不僅成為賽場上的「第12人」，也在某種程度上充當了世界盃的"預言帝"。
分析開始的時候，數據首先從數據倉儲中會被抽出來，被放進RDBMS里以產生需要的報告或者支撐相應的商業智能應用。在大數據分析的環節中，裸數據以及經轉換了的數據大都會被保存下來，因為可能在後面還需要再次轉換。
6. 大數據分析,大數據開發,數據挖掘 所用到技術和工具
大數據分析是一個含義廣泛的術語，是指數據集，如此龐大而復雜的，他們需要專門設計的硬體和軟體工具進行處理。該數據集通常是萬億或EB的大小。這些數據集收集自各種各樣的來源：感測器，氣候信息，公開的信息，如雜志，報紙，文章。大數據分析產生的其他例子包括購買交易記錄，網路日誌，病歷，軍事監控，視頻和圖像檔案，及大型電子商務。
大數據分析，他們對企業的影響有一個興趣高漲。大數據分析是研究大量的數據的過程中尋找模式，相關性和其他有用的信息，可以幫助企業更好地適應變化，並做出更明智的決策。
一、Hadoop
Hadoop是一個開源框架，它允許在整個集群使用簡單編程模型計算機的分布式環境存儲並處理大數據。它的目的是從單一的伺服器到上千台機器的擴展，每一個台機都可以提供本地計算和存儲。
Hadoop 是一個能夠對大量數據進行分布式處理的軟體框架。但是 Hadoop 是以一種可靠、高效、可伸縮的方式進行處理的。Hadoop 是可靠的，即使計算元素和存儲會失敗，它維護多個工作數據副本，確保能夠針對失敗的節點重新分布處理。Hadoop是高效的，它採用並行的方式工作，通過並行處理加快處理速度。Hadoop 還是可伸縮的，能夠處理 PB 級數據。此外，Hadoop 依賴於社區伺服器，因此它的成本比較低，任何人都可以使用。
Hadoop是輕松架構和使用的分布式計算平台。用戶可以輕松地在Hadoop上開發和運行處理海量數據的應用程序。它主要有以下幾個優點：
1、高可靠性。Hadoop按位存儲和處理數據的能力值得人們信賴。
2、高擴展性。Hadoop是在可用的計算機集簇間分配數據並完成計算任務的，這些集簇可以方便地擴展到數以千計的節點中。
3、高效性。Hadoop能夠在節點之間動態地移動數據，並保證各個節點的動態平衡，因此處理速度非常快。
4、高容錯性。Hadoop能夠自動保存數據的多個副本，並且能夠自動將失敗的任務重新分配。
Hadoop帶有用 Java 語言編寫的框架，因此運行在 Linux 生產平台上是非常理想的。Hadoop 上的應用程序也可以使用其他語言編寫，比如 C++。
二、HPCC
HPCC，High Performance Computing and Communications(高性能計算與通信)的縮寫。1993年，由美國科學、工程、技術聯邦協調理事會向國會提交了"重大挑戰項目：高性能計算與通信"的報告，也就是被稱為HPCC計劃的報告，即美國總統科學戰略項目，其目的是通過加強研究與開發解決一批重要的科學與技術挑戰問題。HPCC是美國實施信息高速公路而上實施的計劃，該計劃的實施將耗資百億美元，其主要目標要達到：開發可擴展的計算系統及相關軟體，以支持太位級網路傳輸性能，開發千兆比特網路技術，擴展研究和教育機構及網路連接能力。
十、Tableau Public
1、什麼是Tableau Public -大數據分析工具
這是一個簡單直觀的工具。因為它通過數據可視化提供了有趣的見解。Tableau Public的百萬行限制。因為它比數據分析市場中的大多數其他玩家更容易使用票價。使用Tableau的視覺效果，您可以調查一個假設。此外，瀏覽數據，並交叉核對您的見解。
2、Tableau Public的使用
您可以免費將互動式數據可視化發布到Web;無需編程技能;發布到Tableau Public的可視化可以嵌入到博客中。此外，還可以通過電子郵件或社交媒體分享網頁。共享的內容可以進行有效硫的下載。這使其成為最佳的大數據分析工具。
3、Tableau Public的限制
所有數據都是公開的，並且限制訪問的范圍很小;數據大小限制;無法連接到[R ;讀取的唯一方法是通過OData源，是Excel或txt。
十一、OpenRefine
1、什麼是OpenRefine - 數據分析工具
以前稱為GoogleRefine的數據清理軟體。因為它可以幫助您清理數據以進行分析。它對一行數據進行操作。此外，將列放在列下，與關系資料庫表非常相似。
2、OpenRefine的使用
清理凌亂的數據;數據轉換;從網站解析數據;通過從Web服務獲取數據將數據添加到數據集。例如，OpenRefine可用於將地址地理編碼到地理坐標。
3、OpenRefine的局限性
Open Refine不適用於大型數據集;精煉對大數據不起作用
十二、KNIME
1、什麼是KNIME - 數據分析工具
KNIME通過可視化編程幫助您操作，分析和建模數據。它用於集成各種組件，用於數據挖掘和機器學習。
2、KNIME的用途
不要寫代碼塊。相反，您必須在活動之間刪除和拖動連接點;該數據分析工具支持編程語言;事實上，分析工具，例如可擴展運行化學數據，文本挖掘，蟒蛇，和[R 。
3、KNIME的限制
數據可視化不佳
十三、Google Fusion Tables
1、什麼是Google Fusion Tables
對於數據工具，我們有更酷，更大版本的Google Spreadsheets。一個令人難以置信的數據分析，映射和大型數據集可視化工具。此外，Google Fusion Tables可以添加到業務分析工具列表中。這也是最好的大數據分析工具之一，大數據分析十八般工具。
2、使用Google Fusion Tables
在線可視化更大的表格數據;跨越數十萬行進行過濾和總結;將表與Web上的其他數據組合在一起；您可以合並兩個或三個表以生成包含數據集的單個可視化;
3、Google Fusion Tables的限制
表中只有前100,000行數據包含在查詢結果中或已映射;在一次API調用中發送的數據總大小不能超過1MB。
十四、NodeXL
1、什麼是NodeXL
它是關系和網路的可視化和分析軟體。NodeXL提供精確的計算。它是一個免費的(不是專業的)和開源網路分析和可視化軟體。NodeXL是用於數據分析的最佳統計工具之一。其中包括高級網路指標。此外，訪問社交媒體網路數據導入程序和自動化。
2、NodeXL的用途
這是Excel中的一種數據分析工具，可幫助實現以下方面：
數據導入;圖形可視化;圖形分析;數據表示;該軟體集成到Microsoft Excel 2007,2010,2013和2016中。它作為工作簿打開，包含各種包含圖形結構元素的工作表。這就像節點和邊緣;該軟體可以導入各種圖形格式。這種鄰接矩陣，Pajek .net，UCINet .dl，GraphML和邊緣列表。
3、NodeXL的局限性
您需要為特定問題使用多個種子術語;在稍微不同的時間運行數據提取。
十五、Wolfram Alpha
1、什麼是Wolfram Alpha
它是Stephen Wolfram創建的計算知識引擎或應答引擎。
2、Wolfram Alpha的使用
是Apple的Siri的附加組件;提供技術搜索的詳細響應並解決微積分問題;幫助業務用戶獲取信息圖表和圖形。並有助於創建主題概述，商品信息和高級定價歷史記錄。
3、Wolfram Alpha的局限性
Wolfram Alpha只能處理公開數字和事實，而不能處理觀點;它限制了每個查詢的計算時間;這些數據分析統計工具有何疑問?
十六、Google搜索運營商
1、什麼是Google搜索運營商
它是一種強大的資源，可幫助您過濾Google結果。這立即得到最相關和有用的信息。
2、Google搜索運算符的使用
更快速地過濾Google搜索結果;Google強大的數據分析工具可以幫助發現新信息。
十七、Excel解算器
1、什麼是Excel解算器
Solver載入項是Microsoft Office Excel載入項程序。此外，它在您安裝Microsoft Excel或Office時可用。它是excel中的線性編程和優化工具。這允許您設置約束。它是一種先進的優化工具，有助於快速解決問題。
2、求解器的使用
Solver找到的最終值是相互關系和決策的解決方案;它採用了多種方法，來自非線性優化。還有線性規劃到進化演算法和遺傳演算法，以找到解決方案。
3、求解器的局限性
不良擴展是Excel Solver缺乏的領域之一;它會影響解決方案的時間和質量;求解器會影響模型的內在可解性;
十八、Dataiku DSS
1、什麼是Dataiku DSS
這是一個協作數據科學軟體平台。此外，它還有助於團隊構建，原型和探索。雖然，它可以更有效地提供自己的數據產品。
2、Dataiku DSS的使用
Dataiku DSS - 數據分析工具提供互動式可視化界面。因此，他們可以構建，單擊，指向或使用SQL等語言。
3、Dataiku DSS的局限性
有限的可視化功能;UI障礙：重新載入代碼/數據集;無法輕松地將整個代碼編譯到單個文檔/筆記本中;仍然需要與SPARK集成
以上的工具只是大數據分析所用的部分工具，小編就不一一列舉了，下面把部分工具的用途進行分類：
1、前端展現
用於展現分析的前端開源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。
用於展現分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikView、 Tableau 。
國內的有BDP，國雲數據(大數據分析魔鏡)，思邁特，FineBI等等。
2、數據倉庫
有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。
3、數據集市
有QlikView、 Tableau 、Style Intelligence等等。
當然學大數據分析也有很多坑：
《轉行大數據分析師後悔了》、《零基礎學大數據分析現實嗎》、《大數據分析培訓好就業嗎》、《轉行大數據分析必知技能》