中大的大数据专业

㈠ 有哪些大学的哪些专业是与大数据有关的

一、开设了大数据的大学：

1、北京大学

大数据是一个新的专业，国内首次出现这个专业是在2016年的时候，当时新设这个专业的高校全国只有3所有，其中就有北京大学。

(1)中大的大数据专业扩展阅读：

大数据专业主要课程

C程序设计、数据结构、数据库原理与应用、计算机操作系统、计算机网络、java语言程序设计、Python语言程序设计，大数据算法、人工智能、应用统计（统计学）、大数据机器学习、数据建模、大数据平台核心技术、大数据分析与处理,大数据管理、大数据实践等课程。

数据（big data）

指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

㈡ 中山大学数据科学与计算机学院有哪些专业

中山大学数据科学与计算机学院目前开设的专业如下：
计算机类（含计算机科学与技术、信息安全、智能科学与技术专业）
信息与计算科学
信息安全（国防生）
软件工程
软件工程（国防生）

㈢ 大数据是什么专业学的是些什么

大数据专业全称“大数据采集与管理专业”。
大数据采集与管理专业是从大数据应用的数据管理、系统开发、海量数据分析与挖掘等层面系统地帮助企业掌握大数据应用中的各种典型问题的解决办法的专业。
1、行业现状：现在越来越多的行业对大数据应用持乐观的态度，大数据或者相关数据分析解决方案的使用在互联网行业，比如网络、腾讯、淘宝、新浪等公司已经成为标准。而像电信、金融、能源这些传统行业，越来越多的用户开始尝试或者考虑怎么样使用大数据解决方案，来提升自己的业务水平。
2、课程设置：大数据专业将从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）系统地帮助企业掌握大数据应用中的各种典型问题的解决办法，包括实现和分析协同过滤算法、运行和学习分类算法、分布式Hadoop集群的搭建和基准测试、分布式Hbase集群的搭建和基准测试、实现一个基于、Maprece的并行算法、部署Hive并实现一个的数据操作等等，实际提升企业解决实际问题的能力。
3、核心技术：
（1）大数据与Hadoop生态系统。详细介绍分析分布式文件系统HDFS、集群文件系统ClusterFS和NoSQL Database技术的原理与应用；分布式计算框架Maprece、分布式数据库HBase、分布式数据仓库Hive。
（2）关系型数据库技术。详细介绍关系型数据库的原理，掌握典型企业级数据库的构建、管理、开发及应用。
（3）分布式数据处理。详细介绍分析Map/Rece计算模型和Hadoop Map/Rece技术的原理与应用。
（4）海量数据分析与数据挖掘。详细介绍数据挖掘技术、数据挖掘算法–Minhash, Jaccard and Cosine similarity，TF-IDF数据挖掘算法–聚类算法；以及数据挖掘技术在行业中的具体应用。
（5）物联网与大数据。详细介绍物联网中的大数据应用、遥感图像的自动解译、时间序列数据的查询、分析和挖掘。
（6）文件系统（HDFS）。详细介绍HDFS部署，基于HDFS的高性能提供高吞吐量的数据访问。
（7）NoSQL。详细介绍NoSQL非关系型数据库系统的原理、架构及典型应用。

㈣ 中山大学大数据技术与工程考研经验分享

基本情况

本科211，英语专业，雅思7.5，新传几乎零基础，从八月底正式开始复习，总分第一上岸。

政治总分72；英语90分；专业课一121；专业课二102。

这篇经验贴要从我的初试历程说起，但“真正的经验”那一部分才是我眼中真正具有借鉴意义的经验。

翻译：练了几篇英语二的真题，觉得没啥难度，有的句子稍微需要推敲一下，但是我想扣分控制在两分以内应该没毛病，所以没有什么练习翻译的心得。

3. 专业课

记什么：参考书看完的记忆量还是挺惊人的，如果你像我一样，对自己的知识理解没有太大的把我，那么直接背诵会是一种可选的方案。背诵一定只背以往的重点内容，像各种效果研究的理论那都是必须要牢牢掌握滴。从今年的结果看，更加基本的新闻史以及马新观在逐渐成为重点，那么这一部分一定也要多加重视。

怎么记：我采用的都是快速多次的策略。我个人是一个比较容易急躁的人，如果要我按照所谓的艾宾浩斯曲线，在不断回顾地同时记忆，那我想我会在第三天或者第四天吐血。我采用的方法还是先把每一门课程需要记忆的内容，分别划分到7-10天的时间里，背的过程中先记当天任务里最主干的部分，如果有状态不好完不成的情况或者本身理解不深没记住，第二天就先别管，放着，等到第二轮再巩固记忆。

找相同：在最后一个月我学习热点的时间并不多，除了有关媒介技术和媒介转型这种极其火爆的主题，其余内容我都没有特别仔细地学习，甚至都没有联系过有关的论述，但我直接通过寻找分析论述角度的共性，总结了一些套路。比如，讲谣言、舆论环境治理，必讲从业人员、媒介素养、媒介体制。然后我惊奇的发现，凡是探讨新传领域现有的问题几乎都可以从这几个角度出发，于是我在考前就愉快地忽略了媒介技术和媒介转型以为外的内容。

真正的经验：

我一直怀疑经验贴对于后来的考生真正的意义。因为，无论是学习时长还是资料选择，在不同的个体身上难有普适性，而具体的使用体验我也仅仅是从自己的使用习惯出发，况且如今的考研教辅市场早就是信息过剩。所以，我想那些真正的经验是在面对抉择或者说是困难时的思考方式。下面我简单的总结了几条。

1. 明确底线

我所说的明确目标，更多是指明确你的底线，你的基本盘。这个问题应当在择校的时候就得到解决。

我不接受二战，我不接受调剂，我不接受非985院校，那么我非常需要一个有竞争力的初试成绩。研究了往年的录取情况后，我初步定在380分。而我的英语基础让我90分就是我英语的底线；考虑到我自身属于跨考，我对于专业课的估计比较保守，220分；反推政治，恰巧就是以往认真复习的考生的下限。

明确底线之后，所有的复习安排和时间分配都应该建立在这个底线基础之上，像我的英语复习就从来没超过1.5h每天。

2. 发挥优势

从择校的那一刻开始，我就明白，英语是我唯一的优势，而在八月初和数学缠斗了一周之后，数学毫无悬念的成为了我的软肋。作为一个目标是一战上岸985的考生来说，选择一个重视英语，但不考数学的专业是非常合适的。

本来瞄准了某不考数学的工科专业，七月底突然传出了今年要改考数学的消息。仔细一算，这个工科考生为主的专业，以往英语占初试中的250分，今年降至150分，而且还加考数学，对我而言，明显是十分不利。与其死磕自己不擅长的领域，与大佬竞争，不如换一个类似的，能接触一定量化思维的专业。于是大数据就正式备胎转正了。

3. 有效努力

从八月底开始备考，满打满算128天，我在初试后仔细地计算了我进行专注学习的时间，刨去上医院、心态爆炸，大概110天左右。这段不算长的备考时间里，我尽可能只做能实际提高分数的事儿来节省时间，而不是纠结于具体的细节。

举个例子，在九月底的时候我终于完成了传播学、社会学还有社会心理学的基础学习，按理来讲，正是总结框架脉络，整理笔记的好时候呀。可是当我试着做了五天之后，发现我一个乐于抠细节的人很难不把一些无关紧要的内容放到思维导图上，总结就变成了抄书。此时我明白的是，如果要在考场上得分，需要的是掌握知识点，而不是总结出漂亮的思维导图，甚至思维导图都不是那么必要，毕竟它只是用来梳理脉络的一个工具。我翻出之前从各路搜刮来的学长姐的笔记，一看每一篇都是结构清晰，并且有的学长姐还做了不少补充拓展，于是我直接转头开始啃书，放弃了自己整理。其中小钉新传考研的《传播学笔记》和《大数据传播笔记》非常的详实和全面，虽然没有完全按照参考书的逻辑，但是也是框架完善。备考，讲究一个记得住、写得出，有东西就行，具体的形式可以不用那么讲究。

最后结果看来，我这番操作为我省下了不少时间。凡是我能找到详实完善的现成资料，我都坚决不做“抄书”这种事儿。毕竟，把结构和知识放进脑子里才是真正对考试有效的结果。至于，像思维导图这样的形式，得从你自身的学习习惯和剩余时间来权衡，确实能帮助你加深理解或是疏离结构再采用，千万别无脑盲从。

4. 手段不是目的

希望这篇帖子有一个参考，姑且当做备考的指导；但是，应当注意的是，我们各自的个体差异，以及进度之外的学习效果。所以，在利用计划管理学习进度的时候，不要将自己的学习安排完全服务于计划表，而应当根据自身的学习效果及时调整。计划只是手段，我们的目的是在考场上拿到尽可能多的分数。

具体来讲，像一篇经验贴，在食用的过程中，我们的目的应当是了解需要做哪些准备以及过程中有哪些可能的难点，这样才能利用前人的经验打破信息屏障，使我们的复习更加的精准有效。

而具体到“在六月前完成第一轮复习”、“我在九月的时候整理完了基础知识点”、“最后两个月，我极度紧张，每天学习13小时”，这些细节大可看看就好不必太放在心上。或许写的都是事实，但是个人的基础和学习效果不同真的很难参考。只要一篇经验贴满足我们获取那些考试有关信息的需求就足够了。

顺嘴说一句，我才开始备考时，翻遍了几乎所有相关专业的经验贴，不少经验贴四五月就开始了，可是到暑假结束才过完两三本专业书，我真是一万个黑人问号？你们觉得ta一天花了多少时间投入，当然我不是批判，毕竟那个时候他也需要上课或者实习。

在此我只是用经验的食用方法做一个案例，相信在复习过程中大家借用的“资料”不止这些，希望大家带着客观的眼光从自身需求和学习效果的角度评估，做什么事都得考虑，我们的目的是什么，能否帮助我们达成目的。总之，不要本末倒置，时间表、网上的资料都只是帮助我们管理复习进度的手段，我们的目的是拿分。切记！

5. 稳住我们能赢

心态爆炸，觉得最后时间里似乎无能为力，也许是你没有意识到时间的延展力。像我这样容易焦虑的人，在八月底才开始的时候，看到十余本参考书摆在我面前，并且需要我理解乃至背诵，我的内心是崩溃的，但当我尝试一周，并试着规划的时候我又能感受到信心；十月初，我觉得自己总结的知识点一塌糊涂，于是我直接用别人的资料替代了；

十月底，看着才开始学的SPSS我觉得自己完了，结果我花一个月时间学完却根本没考；十一月底，我觉得自己的论述题无从下笔，两周后，我已经可以50分钟写完1300字了。当时觉得不可能完成的任务，在持续的努力下都被攻克了，起初的畏惧和不敢相信，也许是我在用一种静止的眼光在看待整个学习，似乎当下的我就已经决定了几个月乃至更远之后的结果。当下的一个切片真的不等于永远，我们得对自己宽容一些，允许自己有空间和时间去学习和成长。

最后

不知道你是带着什么样的心态点开这份经验贴，看到现在的心情如何。我想说，看完我的初试历程之后，无论是焦虑、窃喜、紧张、不可思议或是别的什么情绪，它都不是我希望这篇经验贴带给你的。因为我在复习过程中也总是陷入与他人、内心中的假想敌的比较之中，到头来除了干扰我的复习，没有什么作用。

所以，我更希望大家对于我是怎么做的少些关注，毕竟我们之间是不一样的，我希望给大家提供的经验是一个预警，一个在面对负面情绪时的思考方式，一个批判地看待各式辅导或是经验的机会。希望大家的备考过程中，从自身出发利用你手中的资料和工具，而不是被资料所控制。

“你看，我不听经验贴的话也考上了。”

祝大家顺利上岸！

㈤ 大数据技术是学什么的 就业方向有哪些

大数据技术是中国普通高等学校专科专业。预计2025年前大数据人才需求仍将保持30%—40%的增速，需求总量在2000万人左右。

大数据技术课程体系

主要课程：大数据专业导论，面向对象程序设计（java），操作系统原理，Linux系统运维技术，云数据中心基础，数据库原理及应用，Hadoop大数据平台集群部署与开发，Python程序设计，机器学习，大数据可视化技术，数据分析与应用等。

学生经过本专业学习可以考取“大数据分析应用”、“1+X大数据运维”等职业资格证书以提高专业技能，增强其就业竞争力。毕业生亦可升本继续深造，对应本科专业如：数据科学与大数据技术、计算机科学与技术等。

专业岗位及主干课程

专业紧贴市场需求，重点培育两个岗位：大数据应用开发岗、大数据BI岗，其中大数据应用开发岗培养大数据离线分析、实时分析及数据可视化核心能力；大数据库BI岗侧重于与行业企业运行系统、业务模块对接，掌握商业大数据管理。

大数据技术就业岗位

大数据应用开发工程师、数据ETL技术员、数据可视化工程师、行业BI工程师、数据库管理员（DBA）、数据库程序开发员（Java开发）；本专业毕业后半年的平均月薪5500元，最高可达1.5万元。

大数据技术就业方向

本专业毕业生主要面向互联网与软件信息、商业服务、医疗、教育、金融、生产制造等行业的大数据应用岗位就业，主要工作岗位：大数据运维工程师、数据分析工程师、数据可视化工程师、大数据运营工程师、大数据技术销售经理等。据统计，初次就业薪资待遇：5000-8000元左右。