专业大数据分析

A. 大数据专业是什么

您好，很高兴为您解答问题，大数据是本科专业。

1、数据科学与大数据技术属于交叉学科：以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。2、数据科学与大数据技术专业属于交叉学科：以统计学、数学、计算机为三大支撑性学科；生物、医学、环境科学、经济学、社会学、管理学为应用拓展性学科。此外还需学习数据采集、分析、处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才。3、 大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到 关系型数据库 用于分析时会花费过多时间和金钱。. 大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。

以上是我的全部回复，希望能够帮助到您，祝您生活愉快～

B. 大数据分析什么专业

大数据分析一般是指大数据分析专业，主要以统计学、数学以及计算机为支撑，需要学习数学分析、高等代数、普通物理数学与信息科学概论、数据结构、数据科学导论、程序设计导论、程序设计实践、离散数学、概率与统计、算法分析与设计、数据计算智能、数据库系统概论、计算机系统基础、并行体系结构与编程、非结构化大数据分析。

C. 大数据分析应该掌握哪些基础知识呢

前言，学大数据要先换电脑：

保证电脑4核8G内存64位操作系统，尽量有ssd做系统盘，否则卡到你丧失信心。硬盘越大越好。
1，语言要求

java刚入门的时候要求javase。

scala是学习spark要用的基本使用即可。

后期深入要求：
java NIO，netty，多线程，ClassLoader，jvm底层及调优等，rpc。
2，操作系统要求
linux 基本的shell脚本的使用。

crontab的使用，最多。

cpu，内存，网络，磁盘等瓶颈分析及状态查看的工具。

scp，ssh，hosts的配置使用。

telnet，ping等网络排查命令的使用
3，sql基本使用
sql是基础，hive，sparksql等都需要用到，况且大部分企业也还是以数据仓库为中心，少不了sql。

sql统计，排序，join，group等，然后就是sql语句调优，表设计等。

4，大数据基本了解
Zookeeper，hadoop，hbase，hive，sqoop，flume，kafka，spark，storm等这些框架的作用及基本环境的搭建，要熟练，要会运维，瓶颈分析。

5，maprece及相关框架hive，sqoop
深入了解maprece的核心思想。尤其是shuffle，join，文件输入格式，map数目，rece数目，调优等。
6，hive和hbase等仓库
hive和hbase基本是大数据仓库的标配。要回用，懂调优，故障排查。

hbase看浪尖hbase系列文章。hive后期更新。

7，消息队列的使用
kafka基本概念，使用，瓶颈分析。看浪尖kafka系列文章。

8，实时处理系统
storm和spark Streaming

9，spark core和sparksql
spark用于离线分析的两个重要功能。

10，最终方向决策
a),运维。（精通整套系统及故障排查，会写运维脚本啥的。）

b),数据分析。（算法精通）

c),平台开发。（源码精通）

自学还是培训？
无基础的同学，培训之前先搞到视频通学一遍，防止盲目培训跟不上讲师节奏，浪费时间，精力，金钱。
有基础的尽量搞点视频学基础，然后跟群里大牛交流，前提是人家愿意，
想办法跟大牛做朋友才是王道。

D. 统计与大数据分析专业学什么

需学习数据采集､分析､处理软件，学习数学建模软件及计算机编程语言等，知识结构是二专多能复合的跨界人才(有专业知识､有数据思维)｡

统计与大数据技术专业属于交叉学科，以统计学､数学､计算机为三大支撑性学科;生物､医学､环境科学､经济学､社会学､管理学为应用拓展性学科｡

以中国人民大学为例:

基础课程:数学分析､高等代数､普通物理数学与信息科学概论､数据结构､数据科学导论､程序设计导论､程序设计实践｡

必修课:离散数学､概率与统计､算法分析与设计､数据计算智能､数据库系统概论､计算机系统基础､并行体系结构与编程､非结构化大数据分析｡

选修课:数据科学算法导论､数据科学专题､数据科学实践､互联网实用开发技术､抽样技术､统计学习､回归分析､随机过程｡

E. 大数据分析学习什么内容

大数据分析工具介绍 
前端展现 
用于展现分析的前端开源工具有JasperSoft，Pentaho, Spagobi, Openi, Birt等等。 用于展现分析商用分析工具有Style Intelligence、RapidMiner Radoop、Cognos, BO, Microsoft Power BI, Oracle,Microstrategy,QlikVie、 Tableau 。
国内的有BDP，国云数据（大数据魔镜），思迈特，FineBI等等。
数据仓库 
有Teradata AsterData, EMC GreenPlum, HP Vertica 等等。
数据集市 
有QlikView、 Tableau 、Style Intelligence等等。
大数据分析步骤 
大数据分析的六个基本方面 
1. Analytic Visualizations（可视化分析） 
不管是对数据分析专家还是普通用户，数据可视化是数据分析工具最基本的要求。可视化可以直观的展示数据，让数据自己说话，让观众听到结果。
2. Data Mining Algorithms（数据挖掘算法） 
可视化是给人看的，数据挖掘就是给机器看的。集群、分割、孤立点分析还有其他的算法让我们深入数据内部，挖掘价值。这些算法不仅要处理大数据的量，也要处理大数据的速度。
3. Predictive Analytic Capabilities（预测性分析能力） 
数据挖掘可以让分析员更好的理解数据，而预测性分析可以让分析员根据可视化分析和数据挖掘的结果做出一些预测性的判断。
4. Semantic Engines（语义引擎） 
我们知道由于非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析，提取，分析数据。语义引擎需要被设计成能够从“文档”中智能提取信息。
 5.Data Quality and Master Data Management（数据质量和数据管理）
数据质量和数据管理是一些管理方面的最佳实践。通过标准化的流程和工具对数据进行处理可以保证一个预先定义好的高质量的分析结果。
假如大数据真的是下一个重要的技术革新的话，我们最好把精力关注在大数据能给我们带来的好处，而不仅仅是挑战。
6.数据存储，数据仓库 
数据仓库是为了便于多维分析和多角度展示数据按特定模式进行存储所建立起来的关系型数据库。在商业智能系统的设计中，数据仓库的构建是关键，是商业智能系统的基础，承担对业务系统数据整合的任务，为商业智能系统提供数据抽取、转换和加载(ETL)，并按主题对数据进行查询和访问，为联机数据分析和数据挖掘提供数据平台。

F. 大数据专业主要学什么

大数据是近年来兴起的一门新兴学科，也是一门具有良好就业前景的专业。
大数据技术专业属于交叉学科：统计学、数学和计算机是三大支撑学科；生物学、医学、环境科学、经济学、社会学和管理学是应用和拓展的学科。

此外，他们还需要学习数据采集、分析、处理软件、数学建模软件和计算机编程语言等。知识结构是第二学院的跨国界人才（具有专业知识和数据思维能力）。

以中国人民大学为例

基础课程：数学分析、高等代数、普通物理、数学与信息科学概论、数据结构、数据科学概论、程序设计概论、程序设计实践。

必修课程：离散数学、概率统计、算法分析与设计、数据计算智能、数据库系统介绍、计算机系统基础、并行体系结构和编程、非结构化大数据分析。

选修：数据科学算法概论，数据科学专题，数据科学实践，网络实用开发技术，抽样技术，统计学习，回归分析，随机过程。

大数据就业方向
1数据工程

毕业生可从事基于计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务、军事等领域的Java大数据分布式程序开发、应用和大数据集成平台开发，可在政府机关从事各类Java大数据工作，房地产、银行、金融、移动互联网等领域根据分布式开发、基于大数据平台的程序开发、数据可视化等相关工作，也可以从事IT领域的计算机应用。

2数据分析方向

毕业生可从事计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务、军事等领域的大数据平台和流计算核心技术的运维，可从事各类大数据平台运维工作，大数据分析等在政府机构、房地产、银行、金融、移动互联网等领域的大数据挖掘等相关工作也可以从事计算机在IT领域的应用。