问答详情

大数据专业主要学什么?

8440次观看
标签: 大数据 大数据专业
老师回答

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)。

免费直播

    精选课程
    相关推荐
    女生适合学大数据吗?
    梦老师 大数据工程师

    女生是适合学习大数据技术的,而且大数据行业内有很多岗位比较适合女生从事,比如数据整理、存储、分析等岗位都是不错的选择,但是由于大数据的知识体系比较复杂,所以学习起来也具有一定的难度。具体原因如下:

    ①与男性相比,女性在沟通上更有优势

    众所周知,做大数据开发就是为了服务于客户,虽然说做出项目可以满足于客户需求,但是如何完整地表达出你所做的项目初衷,则是不少男性大数据工程师的硬伤。在这一点上,女性就显得更有优势的多。因为女性给人平易近人的感觉,在与客户的沟通中会给客户以好感,自然能够减少与客户的沟通障碍。

    ②外界对女性工程师的期望值不高

    虽说男女平等,但是由于生理原因,外界对女大数据开发工程师的要求,并不如男大数据开发工程师的期望高,因此对于女大数据开发工程师来说其压力也就相对小一些。你可能会觉得这样的环境不公平,但是需要提醒各位的是,在这样的环境下你将会更容易创作出不错的业绩,证明自身的实力,企业也将会格外重视你的发展,给你更多的空间。

    ③女性大数据开发工程师心细惹人爱

    绝大部分男大数据开发工程师性格大大咧咧,在工作中常常会有粗心大意的毛病。但是女工程师相对来说,就比较少,这正是因为女性的细心,女工程师的细心常常能够找到开发过程中的bug,因此很多公司非常乐于招聘女性大数据开发工程师。

    大数据在生活中有哪些应用?
    黄老师 大数据工程师

    1.了解和定位客户

    这是大数据目前最广为人知的应用领域。很多企业热衷于社交媒体数据、浏览器日志、文本挖掘等各类数据集,通过大数据技术创建预测模型,从而更全面地了解客户以及他们的行为、喜好。

    2.了解和优化业务流程

    大数据也越来越多地应用于优化业务流程,比如供应链或配送路径优化。通过定位和识别系统来跟踪货物或运输车辆,并根据实时交通路况数据优化运输路线。

    3.提供个性化服务

    大数据不仅适用于公司和政府,也适用于我们每个人,比如从智能手表或智能手环等可穿戴设备采集的数据中获益。Jawbone的智能手环可以分析人们的卡路里消耗、活动量和睡眠质量等。Jawbone公司已经能够收集长达60年的睡眠数据,从中分析出一些独到的见解反馈给每个用户。从中受益的还有网络平台“寻找真爱”,大多数婚恋网站都使用大数据分析工具和算法为用户匹配最合适的对象。

    4.改善医疗保健和公共卫生

    大数据分析的能力可以在几分钟内解码整个DNA序列,有助于我们找到新的治疗方法,更好地理解和预测疾病模式。试想一下,当来自所有智能手表等可穿戴设备的数据,都可以应用于数百万人及其各种疾病时,未来的临床试验将不再局限于小样本,而是包括所有人。

    5.提高体育运动技能

    如今大多数顶尖的体育赛事都采用了大数据分析技术。用于网球比赛的IBM SlamTracker工具,通过视频分析跟踪足球落点或者棒球比赛中每个球员的表现。许多优秀的运动队也在训练之外跟踪运动员的营养和睡眠情况。NFL开发了专门的应用平台,帮助所有球队根据球场上的草地状况、天气状况、以及学习期间球员的个人表现做出最佳决策,以减少球员不必要的受伤。

    大数据岗位方向都有哪些?
    刘老师 大数据工程师

    1、大数据开发工程师

    开发,建设,测试和维护架构;负责公司大数据平台的开发和维护,负责大数据平台持续集成相关工具平台的架构设计与产品开发等。

    2、数据分析师

    收集,处理和执行统计数据分析;运用工具,提取、分析、呈现数据,实现数据的商业意义,需要业务理解和工具应用能力。

    3、数据挖掘工程师

    数据建模、机器学习和算法实现;商业智能,用户体验分析,预测流失用户等;需要过硬的数学和统计学功底以外,对算法的代码实现也有很高的要求。

    4、数据架构师

    需求分析,平台选择,技术架构设计,应用设计和开发,测试和部署;高级算法设计与优化;数据相关系统设计与优化,需要平台级开发和架构设计能力。

    5、数据库开发

    设计,开发和实施基于客户需求的数据库系统,通过理想接口连接数据库和数据库工具,优化数据库系统的性能效率等。

    6、数据库管理

    数据库设计、数据迁移、数据库性能管理、数据安全管理,故障检修问题、数据备份、数据恢复等。

    7、数据科学家

    数据挖掘架构、模型标准、数据报告、数据分析方法;利用算法和模型提高数据处理效率、挖掘数据价值、实现从数据到知识的转换。

    8、数据产品经理

    把数据和业务结合起来做成数据产品;平台线提供基础平台和通用的数据工具,业务线提供更加贴近业务的分析框架和数据应用。

    注册电脑版

    版权所有 2003-2020 广州环球青藤科技发展有限公司