運籌學與大數據

A. 大數據專業主要學什麼

作為新興技術領域，大數據對專業人才的需求正在不斷攀升，與此同時，也就帶來了國內高校的大數據專業熱潮。數據科學與大數據技術、大數據技術與應用，這些都是近年來的熱門行業。那麼大數據專業難學嗎？主要課程內容有哪些？今天我們來具體了解一下。
從知識結構上來看，大數據技術專業以計算機、數學、統計學為主要基礎內容。專業設立的目標，是培養學生掌握計算機理論和大數據處理技術，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）系統地培養學生掌握大數據應用中的各種典型問題的解決辦法。
那麼大數據專業難學嗎？我們可以看看某211大學的課程簡介——
數學類：高等數學、概率論與數理統計、運籌學或數學建模或矩陣理論
學科基礎課：計算機導論與程序設計、電路與電子學基礎、離散數學、數字邏輯與數學系統
專業基礎課：數據結構、計算機系統基礎、編譯原理與技術、計算機組成原理、計算機系統結構、計算機網路、資料庫系統原理、軟體工程、數據倉儲與數據挖掘、機器學習、大數據基礎、數據科學導論
專業課程：
數據採集與管理模塊：多模態信息處理、信息與知識獲取、流數據分析技術、Linux開發環境及應用
數據分析與計算模塊：Python程序語言與R語言、演算法設計與分析、並行運算與GPU課程、分布式計算與雲計算
數據服務與應用模塊：服務科學與服務工程概論、數據驅動的管理與決策、數據可視化、Web開發技術
光看這些專業技術名詞，大家可能覺得比較空洞，事實上，這其中就是結合了計算機、數學、統計學等相關專業的背景，在相應學科上有一定基礎的學習者，比如說數學、理科，系統化地學都是能夠學得好的。
關於大數據專業難學嗎，主要課程內容有哪些，以上就為大家做了詳細的介紹了。大數據專業確實熱度很高，而難度也因人而異，但是總體來說，花四年的時間去學習這樣的高薪技術，是值得的。

B. 關於數學專業考研方向，應用數學、計算數學、基礎數學、運籌學、概率論，這些專業都有什麼區別

關於數學專業考研方向，應用數學、計算數學、基礎數學、運籌學、概率論，這些專業的什麼區別：

基礎數學：

基礎數學重視學生數學基礎知識和專業基礎知識的學習，注重對他們的創造性和創新能力的培養。除基礎課外，主要開設實變函數、泛函分析、偏微分方程、微分幾何、拓撲學、微分流形、數論基礎、群與表示、代數幾何等等課程，具體會因學校而異。

計算數學：

計算數學科學與工程計算是伴隨著計算機的出現而迅猛發展起來的新學科，涉及眾多交叉學科。其主要研究內容包括：

運用現代數學理論與方法解決各類科學與工程問題；分析和提高計算的可靠性、有效性和精確性；研究各類數值軟體的開發技術。

主要課程包括數值代數、數值分析、偏微分方程數值解、最優化方法、軟體基礎、軟體工程、計算機圖形學等課程。主要內容包括代數方程、線性代數方程組、微分方程的數值解法，函數的數值逼近問題，矩陣特徵值的求法，最優化計算問題，概率統計計算問題等等，還包括解的存在性、唯一性、收斂性和誤差分析等理論問題。

概率論與數理統計：

統計學是研究數據的搜集、整理、分析和推斷的科學與藝術。概率與統計研究各種隨機現象的本質與內在規律性以及人文、社會、經濟和自然科學等各學科中各種類型數據的科學的綜合處理及統計推斷方法。

主要課程包括概率論、數理統計、應用隨機過程、測度論、應用隨機分析、統計計算、應用多元統計分析、應用回歸分析、應用時間序列分析等。本專業有概率論、統計學兩個培養方向。

運籌學與控制論：

研究各種系統的結構、運作、設計和調控的現代數學學科，是應用數學與系統科學、信息科學的結合點，從眾多的可行方案中優選某些目標最優的方案，在社會與經濟生活的合理規劃、最優設計、最優控制和科學管理中起著十分重要的作用。面對實際中千差萬別的問題，一般採用4個步驟：確定目標、制定方案、建立模型、制定解法。

運籌學方法的廣泛使用以及迅猛發展過程中，形成了豐富的抽象模型，發展出多個分支：包含線性規劃、非線性規劃、整數規劃、組合規劃等在內的數學規劃；圖論；網路流；決策分析；排隊論；可靠性數學理論；庫存論；對策論；搜索論等等。

信息科學：

信息科學運用近代數學方法和計算機技術解決信息科學領域中的問題，應用十分廣泛。專業方向包括信號與信息處理、模式識別、圖像處理、人工智慧、軟體開發方法和理論計算機科學等研究方向。

金融數學：

金融數學除了要求學生必修數理統計、金融數學引論、應用隨機過程、壽險精算、證券投資學、衍生證券基礎之外， 還要求學生選修數學或經濟與金融的一些課程。

不僅要求學生具有扎實的數學和統計基礎，還要熟練的數據分析技能，較好地掌握金融專業的基本知識，文理並茂，全面發展。

數據科學與大數據：

數據科學是運用統計學、計算機科學、應用數學等學科提供的現代數據分析工具和方法從數據中自動尋找規律或者有價值信息的交叉學科。運用概率統計、現代計算、人工智慧等綜合知識探索來自工業、生物醫療、金融證券和社交網路等眾多領域的較大規模或結構復雜數據集的高效存儲、高效管理、高效概括、深入分析和精準預測的科學和藝術。

C. 大數據專業主要學什麼

大數據技術專業屬於交叉學科：以統計學、數學、計算機為三大支撐性學科；生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。
此外還需學習數據採集、分析、處理軟體，學習數學建模軟體及計算機編程語言等，知識結構是二專多能復合的跨界人才(有專業知識、有數據思維)。
以中國人民大學為例：
基礎課程：數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐。
必修課：離散數學、概率與統計、演算法分析與設計、數據計算智能、資料庫系統概論、計算機系統基礎、並行體系結構與編程、非結構化大數據分析。
選修課：數據科學演算法導論、數據科學專題、數據科學實踐、互聯網實用開發技術、抽樣技術、統計學習、回歸分析、隨機過程。



(3)運籌學與大數據擴展閱讀：
大數據崗位7a686964616f31333431346362：
1、大數據系統架構師
大數據平台搭建、系統設計、基礎設施。
技能：計算機體系結構、網路架構、編程範式、文件系統、分布並行處理等。
2、大數據系統分析師
面向實際行業領域，利用大數據技術進行數據安全生命周期管理、分析和應用。
技能：人工智慧、機器學習、數理統計、矩陣計算、優化方法。
3、hadoop開發工程師。
解決大數據存儲問題。
4、數據分析師
不同行業中，專門從事行業數據搜集、整理、分析，並依據數據做出行業研究、評估和預測的專業人員。在工作中通過運用工具，提取、分析、呈現數據，實現數據的商業意義。
5、數據挖掘工程師
做數據挖掘要從海量數據中發現規律，這就需要一定的數學知識，最基本的比如線性代數、高等代數、凸優化、概率論等。經常會用到的語言包括Python、Java、C或者C++，我自己用Python或者Java比較多。有時用MapRece寫程序，再用Hadoop或者Hyp來處理數據，如果用Python的話會和Spark相結合。

D. 我即將攻讀運籌學專業研究生，畢業想從事有關雲計算和大數據方面的工作

運籌學是一個學科，屬於應用數學。雲計算和大數據無一不和 IT有著緊密的聯系。
運籌學提供了優化的演算法和全面的解決方案，從而為雲計算的IT開發提供思路。
也為大數據的資料庫的建設和信息收集提供了參考。
如果你是對這個學科感興趣，你就研究學科前沿吧。
如果你是為以後的工作需要，建議你從基礎入手，要結合IT技術去學習，如運籌學軟體WinQSB等。研發類的工作也要弄熟代碼的。

E. 學習運籌學還有財政學、統計學分別有怎樣的實際意義

運籌學是學習優化的技能，財政學是研究國家分配及其規律的學科，統計學學習的是整理、分析數據的能力。

作為一名物流工程專業的大學生，上學期剛學習了運籌學和統計學。雖然很可惜財政學沒有機會學習到，但是在經濟與管理學院的大環境下，對財政學的了解也是不少的。今天，我就來談談自己學習感受吧。

從小學開始，我們就簡單地接觸了統計。統計學是一門綜合性的學科，是獲取數據、分析數據、得出結論的通用方法。在這個大數據技術快速發展的時代，統計學的作用越來越突出，良好地掌握統計知識，能使自身在競爭激烈的就業環境中脫穎而出。在這一門學科中，要求學生掌握理解復雜公式並靈活運用SPSS、EXCEL等統計工具的能力。

這三門學科各有各自的特色與側重，都具有很強的實際意義。

F. 上海財經大學大數據專業怎麼樣

上海財經大學數據科學與大數據技術（理學）專業培養學生系統掌握計算機基礎、數據科學、統計理論和經濟管理基礎,能夠熟練使用外文進行專業文獻閱讀寫作,及時掌握最新的機器學習技術和大數據處理方法,能夠進行經濟、互聯網等領域從事海量數據處理和統計分析的創新卓越型數據科學人才。該專業畢業生將授予理學學士學位。
主要專業課：線性模型、運籌學、數據結構、計算統計、分布式計算、數據科學導論、資料庫、機器學習、深度學習、文本挖掘、數據分析與可視化、數值分析與矩陣計算等。
畢業生去向：出國深造、攻讀研究生,或在經濟金融、制葯和互聯網等行業從事預測決策、咨詢管理、質量管理以及海量數據處理分析等工作。
學院畢業生去向：統計與管理學院多年來的當年就業率均在97%左右,本科畢業生的升學人數和升學率較高,出國深造人數和比率增高,穩居前列。2019屆本科畢業生共152人,國內讀研40人（其中直升16人）,國內升學率為26.32%,出國讀研（博）42人,出國比例為27.63%；已就業58人,另有12人二次考研。國內升學院校涵蓋清華大學、北京大學、復旦大學、上海交通大學、中國人民大學等一流院校。出國深造共計42人,占總人數27.63%,其中4名同學申請到國外全額獎學金博士項目,在本科生中十分難得。海外錄取的院校包括哥倫比亞大學、約翰·霍普金斯大學、卡耐基梅隆大學、加州大學伯克利分校、弗吉尼亞大學、俄亥俄州立大學、密歇根大學、明尼蘇達大學、喬治華盛頓大學、倫敦大學學院、澳大利亞國立大學、香港大學等國際知名高校。國內外升學率為53.95%。
大數據專業就業方向也是我們所關心的,都有哪些職位是對口的呢？
1、大數據開發方向,所涉及的職業崗位為：大數據工程師、大數據維護工程師、大數據研發工程師、大數據架構師等；
2、數據挖掘、數據分析和機器學習方向,所涉及的職業崗位為：大數據分析師、大數據高級工程師、大數據分析師專家、大數據挖掘師、大數據演算法師等；
3、大數據運維和雲計算方向,對應崗位：大數據運維工程師；
這三個方向精通任何方向之一者,均會前（錢）途無量。

G. 大數據工程師就業如何

大數據的就業前景很廣闊。
就先拿大數據里比較火的數據分析舉例吧。
數據分析的兩個主要就業方向，一個是統計學方向，一個是運籌學方向，我們分別來看看這兩者具體有哪些相應的崗位

首先是統計學方向。

這個方向的職位其實一直都有，只是說現在用的一些方法，技術手段得到了一定的提升。原來公司只有一些有限的經營數據或市場數據，基本上用 excel 就能解決了，現在我們有了很大的數據量，也有了更多的高級的分析軟體，比如 SAS 、 R 等等。用這些軟體，我們可以在大量的數據中，挖掘出一些核心的數據信息，來找出商業活動的驅動力。
從就業方向來說，最典型的是以互聯網公司為代表的信息化程度比較高的企業。這些公司在日常業務中會產生大量的數據，數據分析人員必須從繁雜的數據中挖掘出有效信息，來給運營和決策提供支持。

典型的公司有 BATJ ，其中一些相關的團隊包括產品的運營團隊、廣告效果分析團隊、游戲的用戶數據處理團隊等等。其他還有一些互聯網公司，比如美團、攜程、餓了么等等。

在這些互聯網公司裡面，數據分析工作主要分兩個方向：
一個是做運營分析，就是前面講的這類工作內容。
另一個就是產品開發的分析，比如把相關的數據抽象出來建模，做一些用於判斷的模型，比如回歸模型等，以 API 的形式，給到客戶。客戶只要把相關的數據導進去，就能通過這個模型作出一個判斷。

比較典型的例子就是反詐騙的一些產品，背後是好人的行為數據，以及一些壞人的行為數據，做出一個「0」「1」的好壞判斷模型。當你把一個不知道結果的數據，通過 API 介面輸入進這個模型後，就會得出結論這個是好人還是壞人，從而對業務作出指導。
除了互聯網公司以外，咨詢公司也非常注重數據這塊的工作。

比如麥肯錫，相關的數據分析已經成為公司的重要驅動力之一。
另外，四大咨詢公司、一些 IT 咨詢公司，比如埃森哲、印度的 Infosys 等，以及一些本土的咨詢公司，比如久謙，還有老牌的基於數據分、市場分析的公司，比如尼爾森，也有相應的數據分析崗位。

H. 運籌學與大數據方法之間的關系

大數據里包含運籌學。
大數據方面發展有兩個方向，即可以是大數據開發，也可以是大數據運維。

I. 大數據管理專業學什麼

大數據管理專業學計算機科學原理，數據科學原理，數據結構原理，演算法原理，程序設計原理，數據挖掘技術，數據分析方法，概率論和統計等。

一、大數據管理與應用學科基礎課程:

大數據管理與應用導論、管理學、會計學、經濟學、運籌學、概率論與數理統計等。另外安排有計算機基本技能訓練、程序設計基礎課程設計等實踐課。

有人工智慧導論、信息管理與系統建模、電子商務、企業大數據管理、推薦系統導論、大數據營銷與管理、網路前沿安全技術、深度學習導論、區塊鏈技術、智能交互技術、雲計算基礎、多元系統分析及R語言建模、WEB前端設計、NOSQL資料庫、IT項目管理等等。

五、專業實踐課程:大數據技術原理與應用課程設計、資料庫原理及應用課程設計、商業數據分析課程設計、數據可視化綜合實踐、大數據管理畢業實習及畢業設計等。

J. 京東無人倉入圍2021全球演算法應用最高獎，這演算法應用原理是什麼

2021年1月15日，美國律師事務學與管理科學學會公布2021年弗蘭茲·厄德曼的最終入圍名單。由京東集團自主研發的無人倉調度演算法成為該入圍名單中的一個，其中以亞馬遜等7家全球企業和機構共同入圍該名單。在最近50年來，該獎項只有三家中國企業入圍自主名單，此次京東入圍為中國供應鏈領域首次入圍該名單。

運用該演算法，在消費者下單的幾分鍾之內就可以幫助機器人完成訂單揀選，這成為了京東首創“睡前下單醒來收貨”服務的重要基礎，並正在助力京東物流推動24小時達，成為消費者可以享受的優惠式服務。弗蘭茲·厄德曼獎高度重視運籌學在實際應用中所產生的價值，所有參賽企業累計貢獻價值已經超過了3020億美元，由於京東自主研發的無人倉演算法實現了傳統的倉儲箱自動化到智能化的連續飛躍，帶動了行業的降本增效，基於數字化社會供應鏈，京東正在與多家合夥企業推動中國社會化物流成本在10年內降至10%以內，將能夠達到歐美等發達國家的水平。在未來京東演算法將有力推動實現這一目標，引領全球供應鏈基礎設施的數字文化升級。