运筹学与大数据

A. 大数据专业主要学什么

作为新兴技术领域，大数据对专业人才的需求正在不断攀升，与此同时，也就带来了国内高校的大数据专业热潮。数据科学与大数据技术、大数据技术与应用，这些都是近年来的热门行业。那么大数据专业难学吗？主要课程内容有哪些？今天我们来具体了解一下。
从知识结构上来看，大数据技术专业以计算机、数学、统计学为主要基础内容。专业设立的目标，是培养学生掌握计算机理论和大数据处理技术，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）系统地培养学生掌握大数据应用中的各种典型问题的解决办法。
那么大数据专业难学吗？我们可以看看某211大学的课程简介——
数学类：高等数学、概率论与数理统计、运筹学或数学建模或矩阵理论
学科基础课：计算机导论与程序设计、电路与电子学基础、离散数学、数字逻辑与数学系统
专业基础课：数据结构、计算机系统基础、编译原理与技术、计算机组成原理、计算机系统结构、计算机网络、数据库系统原理、软件工程、数据仓储与数据挖掘、机器学习、大数据基础、数据科学导论
专业课程：
数据采集与管理模块：多模态信息处理、信息与知识获取、流数据分析技术、Linux开发环境及应用
数据分析与计算模块：Python程序语言与R语言、算法设计与分析、并行运算与GPU课程、分布式计算与云计算
数据服务与应用模块：服务科学与服务工程概论、数据驱动的管理与决策、数据可视化、Web开发技术
光看这些专业技术名词，大家可能觉得比较空洞，事实上，这其中就是结合了计算机、数学、统计学等相关专业的背景，在相应学科上有一定基础的学习者，比如说数学、理科，系统化地学都是能够学得好的。
关于大数据专业难学吗，主要课程内容有哪些，以上就为大家做了详细的介绍了。大数据专业确实热度很高，而难度也因人而异，但是总体来说，花四年的时间去学习这样的高薪技术，是值得的。

B. 关于数学专业考研方向，应用数学、计算数学、基础数学、运筹学、概率论，这些专业都有什么区别

关于数学专业考研方向，应用数学、计算数学、基础数学、运筹学、概率论，这些专业的什么区别：

基础数学：

基础数学重视学生数学基础知识和专业基础知识的学习，注重对他们的创造性和创新能力的培养。除基础课外，主要开设实变函数、泛函分析、偏微分方程、微分几何、拓扑学、微分流形、数论基础、群与表示、代数几何等等课程，具体会因学校而异。

计算数学：

计算数学科学与工程计算是伴随着计算机的出现而迅猛发展起来的新学科，涉及众多交叉学科。其主要研究内容包括：

运用现代数学理论与方法解决各类科学与工程问题；分析和提高计算的可靠性、有效性和精确性；研究各类数值软件的开发技术。

主要课程包括数值代数、数值分析、偏微分方程数值解、最优化方法、软件基础、软件工程、计算机图形学等课程。主要内容包括代数方程、线性代数方程组、微分方程的数值解法，函数的数值逼近问题，矩阵特征值的求法，最优化计算问题，概率统计计算问题等等，还包括解的存在性、唯一性、收敛性和误差分析等理论问题。

概率论与数理统计：

统计学是研究数据的搜集、整理、分析和推断的科学与艺术。概率与统计研究各种随机现象的本质与内在规律性以及人文、社会、经济和自然科学等各学科中各种类型数据的科学的综合处理及统计推断方法。

主要课程包括概率论、数理统计、应用随机过程、测度论、应用随机分析、统计计算、应用多元统计分析、应用回归分析、应用时间序列分析等。本专业有概率论、统计学两个培养方向。

运筹学与控制论：

研究各种系统的结构、运作、设计和调控的现代数学学科，是应用数学与系统科学、信息科学的结合点，从众多的可行方案中优选某些目标最优的方案，在社会与经济生活的合理规划、最优设计、最优控制和科学管理中起着十分重要的作用。面对实际中千差万别的问题，一般采用4个步骤：确定目标、制定方案、建立模型、制定解法。

运筹学方法的广泛使用以及迅猛发展过程中，形成了丰富的抽象模型，发展出多个分支：包含线性规划、非线性规划、整数规划、组合规划等在内的数学规划；图论；网络流；决策分析；排队论；可靠性数学理论；库存论；对策论；搜索论等等。

信息科学：

信息科学运用近代数学方法和计算机技术解决信息科学领域中的问题，应用十分广泛。专业方向包括信号与信息处理、模式识别、图像处理、人工智能、软件开发方法和理论计算机科学等研究方向。

金融数学：

金融数学除了要求学生必修数理统计、金融数学引论、应用随机过程、寿险精算、证券投资学、衍生证券基础之外， 还要求学生选修数学或经济与金融的一些课程。

不仅要求学生具有扎实的数学和统计基础，还要熟练的数据分析技能，较好地掌握金融专业的基本知识，文理并茂，全面发展。

数据科学与大数据：

数据科学是运用统计学、计算机科学、应用数学等学科提供的现代数据分析工具和方法从数据中自动寻找规律或者有价值信息的交叉学科。运用概率统计、现代计算、人工智能等综合知识探索来自工业、生物医疗、金融证券和社交网络等众多领域的较大规模或结构复杂数据集的高效存储、高效管理、高效概括、深入分析和精准预测的科学和艺术。

C. 大数据专业主要学什么

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(有专业知识、有数据思维)。
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。



(3)运筹学与大数据扩展阅读：
大数据岗位7a686964616f31333431346362：
1、大数据系统架构师
大数据平台搭建、系统设计、基础设施。
技能：计算机体系结构、网络架构、编程范式、文件系统、分布并行处理等。
2、大数据系统分析师
面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。
技能：人工智能、机器学习、数理统计、矩阵计算、优化方法。
3、hadoop开发工程师。
解决大数据存储问题。
4、数据分析师
不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。在工作中通过运用工具，提取、分析、呈现数据，实现数据的商业意义。
5、数据挖掘工程师
做数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等。经常会用到的语言包括Python、Java、C或者C++，我自己用Python或者Java比较多。有时用MapRece写程序，再用Hadoop或者Hyp来处理数据，如果用Python的话会和Spark相结合。

D. 我即将攻读运筹学专业研究生，毕业想从事有关云计算和大数据方面的工作

运筹学是一个学科，属于应用数学。云计算和大数据无一不和 IT有着紧密的联系。
运筹学提供了优化的算法和全面的解决方案，从而为云计算的IT开发提供思路。
也为大数据的数据库的建设和信息收集提供了参考。
如果你是对这个学科感兴趣，你就研究学科前沿吧。
如果你是为以后的工作需要，建议你从基础入手，要结合IT技术去学习，如运筹学软件WinQSB等。研发类的工作也要弄熟代码的。

E. 学习运筹学还有财政学、统计学分别有怎样的实际意义

运筹学是学习优化的技能，财政学是研究国家分配及其规律的学科，统计学学习的是整理、分析数据的能力。

作为一名物流工程专业的大学生，上学期刚学习了运筹学和统计学。虽然很可惜财政学没有机会学习到，但是在经济与管理学院的大环境下，对财政学的了解也是不少的。今天，我就来谈谈自己学习感受吧。

从小学开始，我们就简单地接触了统计。统计学是一门综合性的学科，是获取数据、分析数据、得出结论的通用方法。在这个大数据技术快速发展的时代，统计学的作用越来越突出，良好地掌握统计知识，能使自身在竞争激烈的就业环境中脱颖而出。在这一门学科中，要求学生掌握理解复杂公式并灵活运用SPSS、EXCEL等统计工具的能力。

这三门学科各有各自的特色与侧重，都具有很强的实际意义。

F. 上海财经大学大数据专业怎么样

上海财经大学数据科学与大数据技术（理学）专业培养学生系统掌握计算机基础、数据科学、统计理论和经济管理基础,能够熟练使用外文进行专业文献阅读写作,及时掌握最新的机器学习技术和大数据处理方法,能够进行经济、互联网等领域从事海量数据处理和统计分析的创新卓越型数据科学人才。该专业毕业生将授予理学学士学位。
主要专业课：线性模型、运筹学、数据结构、计算统计、分布式计算、数据科学导论、数据库、机器学习、深度学习、文本挖掘、数据分析与可视化、数值分析与矩阵计算等。
毕业生去向：出国深造、攻读研究生,或在经济金融、制药和互联网等行业从事预测决策、咨询管理、质量管理以及海量数据处理分析等工作。
学院毕业生去向：统计与管理学院多年来的当年就业率均在97%左右,本科毕业生的升学人数和升学率较高,出国深造人数和比率增高,稳居前列。2019届本科毕业生共152人,国内读研40人（其中直升16人）,国内升学率为26.32%,出国读研（博）42人,出国比例为27.63%；已就业58人,另有12人二次考研。国内升学院校涵盖清华大学、北京大学、复旦大学、上海交通大学、中国人民大学等一流院校。出国深造共计42人,占总人数27.63%,其中4名同学申请到国外全额奖学金博士项目,在本科生中十分难得。海外录取的院校包括哥伦比亚大学、约翰·霍普金斯大学、卡耐基梅隆大学、加州大学伯克利分校、弗吉尼亚大学、俄亥俄州立大学、密歇根大学、明尼苏达大学、乔治华盛顿大学、伦敦大学学院、澳大利亚国立大学、香港大学等国际知名高校。国内外升学率为53.95%。
大数据专业就业方向也是我们所关心的,都有哪些职位是对口的呢？
1、大数据开发方向,所涉及的职业岗位为：大数据工程师、大数据维护工程师、大数据研发工程师、大数据架构师等；
2、数据挖掘、数据分析和机器学习方向,所涉及的职业岗位为：大数据分析师、大数据高级工程师、大数据分析师专家、大数据挖掘师、大数据算法师等；
3、大数据运维和云计算方向,对应岗位：大数据运维工程师；
这三个方向精通任何方向之一者,均会前（钱）途无量。

G. 大数据工程师就业如何

大数据的就业前景很广阔。
就先拿大数据里比较火的数据分析举例吧。
数据分析的两个主要就业方向，一个是统计学方向，一个是运筹学方向，我们分别来看看这两者具体有哪些相应的岗位

首先是统计学方向。

这个方向的职位其实一直都有，只是说现在用的一些方法，技术手段得到了一定的提升。原来公司只有一些有限的经营数据或市场数据，基本上用 excel 就能解决了，现在我们有了很大的数据量，也有了更多的高级的分析软件，比如 SAS 、 R 等等。用这些软件，我们可以在大量的数据中，挖掘出一些核心的数据信息，来找出商业活动的驱动力。
从就业方向来说，最典型的是以互联网公司为代表的信息化程度比较高的企业。这些公司在日常业务中会产生大量的数据，数据分析人员必须从繁杂的数据中挖掘出有效信息，来给运营和决策提供支持。

典型的公司有 BATJ ，其中一些相关的团队包括产品的运营团队、广告效果分析团队、游戏的用户数据处理团队等等。其他还有一些互联网公司，比如美团、携程、饿了么等等。

在这些互联网公司里面，数据分析工作主要分两个方向：
一个是做运营分析，就是前面讲的这类工作内容。
另一个就是产品开发的分析，比如把相关的数据抽象出来建模，做一些用于判断的模型，比如回归模型等，以 API 的形式，给到客户。客户只要把相关的数据导进去，就能通过这个模型作出一个判断。

比较典型的例子就是反诈骗的一些产品，背后是好人的行为数据，以及一些坏人的行为数据，做出一个「0」「1」的好坏判断模型。当你把一个不知道结果的数据，通过 API 接口输入进这个模型后，就会得出结论这个是好人还是坏人，从而对业务作出指导。
除了互联网公司以外，咨询公司也非常注重数据这块的工作。

比如麦肯锡，相关的数据分析已经成为公司的重要驱动力之一。
另外，四大咨询公司、一些 IT 咨询公司，比如埃森哲、印度的 Infosys 等，以及一些本土的咨询公司，比如久谦，还有老牌的基于数据分、市场分析的公司，比如尼尔森，也有相应的数据分析岗位。

H. 运筹学与大数据方法之间的关系

大数据里包含运筹学。
大数据方面发展有两个方向，即可以是大数据开发，也可以是大数据运维。

I. 大数据管理专业学什么

大数据管理专业学计算机科学原理，数据科学原理，数据结构原理，算法原理，程序设计原理，数据挖掘技术，数据分析方法，概率论和统计等。

一、大数据管理与应用学科基础课程:

大数据管理与应用导论、管理学、会计学、经济学、运筹学、概率论与数理统计等。另外安排有计算机基本技能训练、程序设计基础课程设计等实践课。

有人工智能导论、信息管理与系统建模、电子商务、企业大数据管理、推荐系统导论、大数据营销与管理、网络前沿安全技术、深度学习导论、区块链技术、智能交互技术、云计算基础、多元系统分析及R语言建模、WEB前端设计、NOSQL数据库、IT项目管理等等。

五、专业实践课程:大数据技术原理与应用课程设计、数据库原理及应用课程设计、商业数据分析课程设计、数据可视化综合实践、大数据管理毕业实习及毕业设计等。

J. 京东无人仓入围2021全球算法应用最高奖，这算法应用原理是什么

2021年1月15日，美国律师事务学与管理科学学会公布2021年弗兰兹·厄德曼的最终入围名单。由京东集团自主研发的无人仓调度算法成为该入围名单中的一个，其中以亚马逊等7家全球企业和机构共同入围该名单。在最近50年来，该奖项只有三家中国企业入围自主名单，此次京东入围为中国供应链领域首次入围该名单。

运用该算法，在消费者下单的几分钟之内就可以帮助机器人完成订单拣选，这成为了京东首创“睡前下单醒来收货”服务的重要基础，并正在助力京东物流推动24小时达，成为消费者可以享受的优惠式服务。弗兰兹·厄德曼奖高度重视运筹学在实际应用中所产生的价值，所有参赛企业累计贡献价值已经超过了3020亿美元，由于京东自主研发的无人仓算法实现了传统的仓储箱自动化到智能化的连续飞跃，带动了行业的降本增效，基于数字化社会供应链，京东正在与多家合伙企业推动中国社会化物流成本在10年内降至10%以内，将能够达到欧美等发达国家的水平。在未来京东算法将有力推动实现这一目标，引领全球供应链基础设施的数字文化升级。