1.flume
2.storm
3.hadoop
4.crawler
5.nutch
6.opentsd
7.tigase
8.flume +shell 收集日志,方便在线以及离线分析
9.redis 做用户行为分析的利器
10.maven
11.git
12.ruby
13.python
14.php
15.node.js
16.R语言
17.BeansDB
18.Bloom Filter
19.Map Reduce
20.Spring MVC
21.SeaJs
22.Freemarker
23.OSGI
24.EXTJS
25.FusionCharts
26.OLAP,维度钻取
27.Mahout
28.Html5+Css3
29.Bootstrap
30.Solr
31.SSIS,SSAS SSRS ETL
32.pageRank
33.Sqoop
34.Hive
35.MyBatis
36.OpenStack Swift
37.HBase
38.Zookeeper
39.一致性散列技术
40.Android
41.Junit
42.Jquery
43.linux
44.websocket
45.Nagios

最近了解的技术
1.Spark
2.Scala
3.Java8
4.Spring4,Spring Boot
5.JRuby
6.Lisp
7.Erlang
8.Yarn
9.epoll
10.Cassandra
11.Lambda
12.Saas
13.OceanBase
14.Mashup
15.vCenter
16.Cloudera Hadoop 4
17.CAP理论
18.lua

最近体会到的相关经验：
1.模块化
2.安全
3.可扩展性
4.用户体验
5.实时性
6.性能是确定用户体验的前提,速度永远让人渴望
7.必须调动起来思维,形象思维
8.进行最好最坏情况预估
9.降级和限流
10.效率，轻量，规模，通用
11.已终为始
12.返璞归真,为了做好，您需要懂什么：技术、产品、机构、业务和人。
13.人眼容易识别，明暗对比强，色相反差大，饱和度高，细节丰富的图片

最近学到的DataMining相关技术
1.分类器
决策树
不纯度的衡量（Gini指标,熵Entropy）
基于规则的分类器
基于距离的分类器
欧式距离
位置敏感哈希函数LSH，例如MinHash
皮尔逊相关度评价
2.关联分析
Apriori算法
FP增长算法

3.聚类算法
K均值算法
层次聚类

最近学到的相关推荐算法
1.K-Shingling
2.Jaccard Similarity
3.TF-IDF
4.向量余弦相似度
5.协同过滤
User-based CF
item-based CF
基于内容推荐
6.评分预测
1.准确率
2.召回率
7.基于图的推荐算法
将用户行为表示为二分图模型，然后在二分图上给用户进行个性化推荐（如用户标签（UGC））
基于随机游走的 PersonalRank算法
8.基于用户标签（UGC）推荐

数据挖掘工具的使用
WeKa 、 KNIMA、Tanagra
Excel 透视表 、SQL Server Analysis Service (SSAS)对于多维数据的可视化处理
R

工作中最近使用的主要工具
1.Mysql
2.Sybase PowerDesiner
6.STS
7.VISO
8.Readmine
9.Mvn
10.Git
11.Axure rp
12.Ubuntu
13.CentOs
14.CRT
15.Excel
16.FusionCharts
17.Virgo
18.Tomcat
19.Oracle VM VirualBox
29.Webbench/AB Test

最近对项目管理的学习：
1.范围管理
2.时间管理
3.成本管理
4.人力资源管理
5.沟通管理
6.风险管理（博弈）
7.采购管理

最近培训以及学习的书籍
1.韦博英语培训,对口语，以及听说读写能力帮助都很大
2.《数据挖掘概念与技术》
3.《机器学习》 studying
4.《推荐系统实战》
5.《Mahot in action》 studying
6.《Hadoop in action》
7.《Hadoop:The.Definitive.Guide(3rd）》
8.《storm in action》
9.《集体智慧编程》 studying
10.《统计学与概率论》 studying
11.《矩阵轮》 studying
12.《R in action》 studying
13.《大数据时代》
14.《搜索引擎核心技术》