中大的大數據專業

㈠ 有哪些大學的哪些專業是與大數據有關的

一、開設了大數據的大學：

1、北京大學

大數據是一個新的專業，國內首次出現這個專業是在2016年的時候，當時新設這個專業的高校全國只有3所有，其中就有北京大學。

(1)中大的大數據專業擴展閱讀：

大數據專業主要課程

C程序設計、數據結構、資料庫原理與應用、計算機操作系統、計算機網路、java語言程序設計、Python語言程序設計，大數據演算法、人工智慧、應用統計（統計學）、大數據機器學習、數據建模、大數據平台核心技術、大數據分析與處理,大數據管理、大數據實踐等課程。

數據（big data）

指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

㈡ 中山大學數據科學與計算機學院有哪些專業

中山大學數據科學與計算機學院目前開設的專業如下：
計算機類（含計算機科學與技術、信息安全、智能科學與技術專業）
信息與計算科學
信息安全（國防生）
軟體工程
軟體工程（國防生）

㈢ 大數據是什麼專業學的是些什麼

大數據專業全稱「大數據採集與管理專業」。
大數據採集與管理專業是從大數據應用的數據管理、系統開發、海量數據分析與挖掘等層面系統地幫助企業掌握大數據應用中的各種典型問題的解決辦法的專業。
1、行業現狀：現在越來越多的行業對大數據應用持樂觀的態度，大數據或者相關數據分析解決方案的使用在互聯網行業，比如網路、騰訊、淘寶、新浪等公司已經成為標准。而像電信、金融、能源這些傳統行業，越來越多的用戶開始嘗試或者考慮怎麼樣使用大數據解決方案，來提升自己的業務水平。
2、課程設置：大數據專業將從大數據應用的三個主要層面（即數據管理、系統開發、海量數據分析與挖掘）系統地幫助企業掌握大數據應用中的各種典型問題的解決辦法，包括實現和分析協同過濾演算法、運行和學習分類演算法、分布式Hadoop集群的搭建和基準測試、分布式Hbase集群的搭建和基準測試、實現一個基於、Maprece的並行演算法、部署Hive並實現一個的數據操作等等，實際提升企業解決實際問題的能力。
3、核心技術：
（1）大數據與Hadoop生態系統。詳細介紹分析分布式文件系統HDFS、集群文件系統ClusterFS和NoSQL Database技術的原理與應用；分布式計算框架Maprece、分布式資料庫HBase、分布式數據倉庫Hive。
（2）關系型資料庫技術。詳細介紹關系型資料庫的原理，掌握典型企業級資料庫的構建、管理、開發及應用。
（3）分布式數據處理。詳細介紹分析Map/Rece計算模型和Hadoop Map/Rece技術的原理與應用。
（4）海量數據分析與數據挖掘。詳細介紹數據挖掘技術、數據挖掘演算法–Minhash, Jaccard and Cosine similarity，TF-IDF數據挖掘演算法–聚類演算法；以及數據挖掘技術在行業中的具體應用。
（5）物聯網與大數據。詳細介紹物聯網中的大數據應用、遙感圖像的自動解譯、時間序列數據的查詢、分析和挖掘。
（6）文件系統（HDFS）。詳細介紹HDFS部署，基於HDFS的高性能提供高吞吐量的數據訪問。
（7）NoSQL。詳細介紹NoSQL非關系型資料庫系統的原理、架構及典型應用。

㈣ 中山大學大數據技術與工程考研經驗分享

基本情況

本科211，英語專業，雅思7.5，新傳幾乎零基礎，從八月底正式開始復習，總分第一上岸。

政治總分72；英語90分；專業課一121；專業課二102。

這篇經驗貼要從我的初試歷程說起，但「真正的經驗」那一部分才是我眼中真正具有借鑒意義的經驗。

翻譯：練了幾篇英語二的真題，覺得沒啥難度，有的句子稍微需要推敲一下，但是我想扣分控制在兩分以內應該沒毛病，所以沒有什麼練習翻譯的心得。

3. 專業課

記什麼：參考書看完的記憶量還是挺驚人的，如果你像我一樣，對自己的知識理解沒有太大的把我，那麼直接背誦會是一種可選的方案。背誦一定只背以往的重點內容，像各種效果研究的理論那都是必須要牢牢掌握滴。從今年的結果看，更加基本的新聞史以及馬新觀在逐漸成為重點，那麼這一部分一定也要多加重視。

怎麼記：我採用的都是快速多次的策略。我個人是一個比較容易急躁的人，如果要我按照所謂的艾賓浩斯曲線，在不斷回顧地同時記憶，那我想我會在第三天或者第四天吐血。我採用的方法還是先把每一門課程需要記憶的內容，分別劃分到7-10天的時間里，背的過程中先記當天任務里最主幹的部分，如果有狀態不好完不成的情況或者本身理解不深沒記住，第二天就先別管，放著，等到第二輪再鞏固記憶。

找相同：在最後一個月我學習熱點的時間並不多，除了有關媒介技術和媒介轉型這種極其火爆的主題，其餘內容我都沒有特別仔細地學習，甚至都沒有聯系過有關的論述，但我直接通過尋找分析論述角度的共性，總結了一些套路。比如，講謠言、輿論環境治理，必講從業人員、媒介素養、媒介體制。然後我驚奇的發現，凡是探討新傳領域現有的問題幾乎都可以從這幾個角度出發，於是我在考前就愉快地忽略了媒介技術和媒介轉型以為外的內容。

真正的經驗：

我一直懷疑經驗貼對於後來的考生真正的意義。因為，無論是學習時長還是資料選擇，在不同的個體身上難有普適性，而具體的使用體驗我也僅僅是從自己的使用習慣出發，況且如今的考研教輔市場早就是信息過剩。所以，我想那些真正的經驗是在面對抉擇或者說是困難時的思考方式。下面我簡單的總結了幾條。

1. 明確底線

我所說的明確目標，更多是指明確你的底線，你的基本盤。這個問題應當在擇校的時候就得到解決。

我不接受二戰，我不接受調劑，我不接受非985院校，那麼我非常需要一個有競爭力的初試成績。研究了往年的錄取情況後，我初步定在380分。而我的英語基礎讓我90分就是我英語的底線；考慮到我自身屬於跨考，我對於專業課的估計比較保守，220分；反推政治，恰巧就是以往認真復習的考生的下限。

明確底線之後，所有的復習安排和時間分配都應該建立在這個底線基礎之上，像我的英語復習就從來沒超過1.5h每天。

2. 發揮優勢

從擇校的那一刻開始，我就明白，英語是我唯一的優勢，而在八月初和數學纏鬥了一周之後，數學毫無懸念的成為了我的軟肋。作為一個目標是一戰上岸985的考生來說，選擇一個重視英語，但不考數學的專業是非常合適的。

本來瞄準了某不考數學的工科專業，七月底突然傳出了今年要改考數學的消息。仔細一算，這個工科考生為主的專業，以往英語占初試中的250分，今年降至150分，而且還加考數學，對我而言，明顯是十分不利。與其死磕自己不擅長的領域，與大佬競爭，不如換一個類似的，能接觸一定量化思維的專業。於是大數據就正式備胎轉正了。

3. 有效努力

從八月底開始備考，滿打滿算128天，我在初試後仔細地計算了我進行專注學習的時間，刨去上醫院、心態爆炸，大概110天左右。這段不算長的備考時間里，我盡可能只做能實際提高分數的事兒來節省時間，而不是糾結於具體的細節。

舉個例子，在九月底的時候我終於完成了傳播學、社會學還有社會心理學的基礎學習，按理來講，正是總結框架脈絡，整理筆記的好時候呀。可是當我試著做了五天之後，發現我一個樂於摳細節的人很難不把一些無關緊要的內容放到思維導圖上，總結就變成了抄書。此時我明白的是，如果要在考場上得分，需要的是掌握知識點，而不是總結出漂亮的思維導圖，甚至思維導圖都不是那麼必要，畢竟它只是用來梳理脈絡的一個工具。我翻出之前從各路搜刮來的學長姐的筆記，一看每一篇都是結構清晰，並且有的學長姐還做了不少補充拓展，於是我直接轉頭開始啃書，放棄了自己整理。其中小釘新傳考研的《傳播學筆記》和《大數據傳播筆記》非常的詳實和全面，雖然沒有完全按照參考書的邏輯，但是也是框架完善。備考，講究一個記得住、寫得出，有東西就行，具體的形式可以不用那麼講究。

最後結果看來，我這番操作為我省下了不少時間。凡是我能找到詳實完善的現成資料，我都堅決不做「抄書」這種事兒。畢竟，把結構和知識放進腦子里才是真正對考試有效的結果。至於，像思維導圖這樣的形式，得從你自身的學習習慣和剩餘時間來權衡，確實能幫助你加深理解或是疏離結構再採用，千萬別無腦盲從。

4. 手段不是目的

希望這篇帖子有一個參考，姑且當做備考的指導；但是，應當注意的是，我們各自的個體差異，以及進度之外的學習效果。所以，在利用計劃管理學習進度的時候，不要將自己的學習安排完全服務於計劃表，而應當根據自身的學習效果及時調整。計劃只是手段，我們的目的是在考場上拿到盡可能多的分數。

具體來講，像一篇經驗貼，在食用的過程中，我們的目的應當是了解需要做哪些准備以及過程中有哪些可能的難點，這樣才能利用前人的經驗打破信息屏障，使我們的復習更加的精準有效。

而具體到「在六月前完成第一輪復習」、「我在九月的時候整理完了基礎知識點」、「最後兩個月，我極度緊張，每天學習13小時」，這些細節大可看看就好不必太放在心上。或許寫的都是事實，但是個人的基礎和學習效果不同真的很難參考。只要一篇經驗貼滿足我們獲取那些考試有關信息的需求就足夠了。

順嘴說一句，我才開始備考時，翻遍了幾乎所有相關專業的經驗貼，不少經驗貼四五月就開始了，可是到暑假結束才過完兩三本專業書，我真是一萬個黑人問號？你們覺得ta一天花了多少時間投入，當然我不是批判，畢竟那個時候他也需要上課或者實習。

在此我只是用經驗的食用方法做一個案例，相信在復習過程中大家借用的「資料」不止這些，希望大家帶著客觀的眼光從自身需求和學習效果的角度評估，做什麼事都得考慮，我們的目的是什麼，能否幫助我們達成目的。總之，不要本末倒置，時間表、網上的資料都只是幫助我們管理復習進度的手段，我們的目的是拿分。切記！

5. 穩住我們能贏

心態爆炸，覺得最後時間里似乎無能為力，也許是你沒有意識到時間的延展力。像我這樣容易焦慮的人，在八月底才開始的時候，看到十餘本參考書擺在我面前，並且需要我理解乃至背誦，我的內心是崩潰的，但當我嘗試一周，並試著規劃的時候我又能感受到信心；十月初，我覺得自己總結的知識點一塌糊塗，於是我直接用別人的資料替代了；

十月底，看著才開始學的SPSS我覺得自己完了，結果我花一個月時間學完卻根本沒考；十一月底，我覺得自己的論述題無從下筆，兩周後，我已經可以50分鍾寫完1300字了。當時覺得不可能完成的任務，在持續的努力下都被攻克了，起初的畏懼和不敢相信，也許是我在用一種靜止的眼光在看待整個學習，似乎當下的我就已經決定了幾個月乃至更遠之後的結果。當下的一個切片真的不等於永遠，我們得對自己寬容一些，允許自己有空間和時間去學習和成長。

最後

不知道你是帶著什麼樣的心態點開這份經驗貼，看到現在的心情如何。我想說，看完我的初試歷程之後，無論是焦慮、竊喜、緊張、不可思議或是別的什麼情緒，它都不是我希望這篇經驗貼帶給你的。因為我在復習過程中也總是陷入與他人、內心中的假想敵的比較之中，到頭來除了干擾我的復習，沒有什麼作用。

所以，我更希望大家對於我是怎麼做的少些關注，畢竟我們之間是不一樣的，我希望給大家提供的經驗是一個預警，一個在面對負面情緒時的思考方式，一個批判地看待各式輔導或是經驗的機會。希望大家的備考過程中，從自身出發利用你手中的資料和工具，而不是被資料所控制。

「你看，我不聽經驗貼的話也考上了。」

祝大家順利上岸！

㈤ 大數據技術是學什麼的 就業方向有哪些

大數據技術是中國普通高等學校專科專業。預計2025年前大數據人才需求仍將保持30%—40%的增速，需求總量在2000萬人左右。

大數據技術課程體系

主要課程：大數據專業導論，面向對象程序設計（java），操作系統原理，Linux系統運維技術，雲數據中心基礎，資料庫原理及應用，Hadoop大數據平台集群部署與開發，Python程序設計，機器學習，大數據可視化技術，數據分析與應用等。

學生經過本專業學習可以考取「大數據分析應用」、「1+X大數據運維」等職業資格證書以提高專業技能，增強其就業競爭力。畢業生亦可升本繼續深造，對應本科專業如：數據科學與大數據技術、計算機科學與技術等。

專業崗位及主幹課程

專業緊貼市場需求，重點培育兩個崗位：大數據應用開發崗、大數據BI崗，其中大數據應用開發崗培養大數據離線分析、實時分析及數據可視化核心能力；大資料庫BI崗側重於與行業企業運行系統、業務模塊對接，掌握商業大數據管理。

大數據技術就業崗位

大數據應用開發工程師、數據ETL技術員、數據可視化工程師、行業BI工程師、資料庫管理員（DBA）、資料庫程序開發員（Java開發）；本專業畢業後半年的平均月薪5500元，最高可達1.5萬元。

大數據技術就業方向

本專業畢業生主要面向互聯網與軟體信息、商業服務、醫療、教育、金融、生產製造等行業的大數據應用崗位就業，主要工作崗位：大數據運維工程師、數據分析工程師、數據可視化工程師、大數據運營工程師、大數據技術銷售經理等。據統計，初次就業薪資待遇：5000-8000元左右。