大數據有哪些專業

㈠ 大數據專業課程有哪些

首先我們要了解Java語言和Linux操作系統，這兩個是學習大數據的基礎，學習的順序不分前後。
Java ：只要了解一些基礎即可，做大數據不需要很深的Java 技術，學java SE 就相當於有學習大數據。基礎
Linux：因為大數據相關軟體都是在Linux上運行的，所以Linux要學習的扎實一些，學好Linux對你快速掌握大數據相關技術會有很大的幫助，能讓你更好的理解hadoop、hive、hbase、spark等大數據軟體的運行環境和網路環境配置，能少踩很多坑，學會shell就能看懂腳本這樣能更容易理解和配置大數據集群。還能讓你對以後新出的大數據技術學習起來更快。
好說完基礎了，再說說還需要學習哪些大數據技術，可以按我寫的順序學下去。
Hadoop：這是現在流行的大數據處理平台幾乎已經成為大數據的代名詞，所以這個是必學的。Hadoop裡麵包括幾個組件HDFS、MapRece和YARN，HDFS是存儲數據的地方就像我們電腦的硬碟一樣文件都存儲在這個上面，MapRece是對數據進行處理計算的，它有個特點就是不管多大的數據只要給它時間它就能把數據跑完，但是時間可能不是很快所以它叫數據的批處理。
記住學到這里可以作為你學大數據的一個節點。
Zookeeper：這是個萬金油，安裝Hadoop的HA的時候就會用到它，以後的Hbase也會用到它。它一般用來存放一些相互協作的信息，這些信息比較小一般不會超過1M，都是使用它的軟體對它有依賴，對於我們個人來講只需要把它安裝正確，讓它正常的run起來就可以了。
Mysql：我們學習完大數據的處理了，接下來學習學習小數據的處理工具mysql資料庫，因為一會裝hive的時候要用到，mysql需要掌握到什麼層度那?你能在Linux上把它安裝好，運行起來，會配置簡單的許可權，修改root的密碼，創建資料庫。這里主要的是學習SQL的語法，因為hive的語法和這個非常相似。
Sqoop：這個是用於把Mysql里的數據導入到Hadoop里的。當然你也可以不用這個，直接把Mysql數據表導出成文件再放到HDFS上也是一樣的，當然生產環境中使用要注意Mysql的壓力。
Hive：這個東西對於會SQL語法的來說就是神器，它能讓你處理大數據變的很簡單，不會再費勁的編寫MapRece程序。有的人說Pig那?它和Pig差不多掌握一個就可以了。
Oozie：既然學會Hive了，我相信你一定需要這個東西，它可以幫你管理你的Hive或者MapRece、Spark腳本，還能檢查你的程序是否執行正確，出錯了給你發報警並能幫你重試程序，最重要的是還能幫你配置任務的依賴關系。我相信你一定會喜歡上它的，不然你看著那一大堆腳本，和密密麻麻的crond是不是有種想屎的感覺。
Hbase：這是Hadoop生態體系中的NOSQL資料庫，他的數據是按照key和value的形式存儲的並且key是唯一的，所以它能用來做數據的排重，它與MYSQL相比能存儲的數據量大很多。所以他常被用於大數據處理完成之後的存儲目的地。
Kafka：這是個比較好用的隊列工具，隊列是干嗎的?排隊買票你知道不?數據多了同樣也需要排隊處理，這樣與你協作的其它同學不會叫起來，你干嗎給我這么多的數據(比如好幾百G的文件)我怎麼處理得過來，你別怪他因為他不是搞大數據的，你可以跟他講我把數據放在隊列里你使用的時候一個個拿，這樣他就不在抱怨了馬上灰流流的去優化他的程序去了，因為處理不過來就是他的事情。而不是你給的問題。當然我們也可以利用這個工具來做線上實時數據的入庫或入HDFS，這時你可以與一個叫Flume的工具配合使用，它是專門用來提供對數據進行簡單處理，並寫到各種數據接受方(比如Kafka)的。
Spark：它是用來彌補基於MapRece處理數據速度上的缺點，它的特點是把數據裝載到內存中計算而不是去讀慢的要死進化還特別慢的硬碟。特別適合做迭代運算，所以演算法流們特別稀飯它。它是用scala編寫的。Java語言或者Scala都可以操作它，因為它們都是用JVM的。

㈡ 大數據是屬於什麼專業的

大數據屬於大數據採集與管理專業。
大數據採集與管理專業是從大數據應用的數據管理、系統開發、海量數據分析與挖掘等層面系統地幫助企業掌握大數據應用中的各種典型問題的解決辦法的專業。
「大數據」（BigData）指一般的軟體工具難以捕捉、管理和分析的大容量數據。「大數據」之「大」，並不僅僅在於「容量之大」，更大的意義在於：通過對海量數據的交換、整合和分析，發現新的知識，創造新的價值，帶來「大知識」、「大科技」、「大利潤」和「大發展」。
「大數據」能幫助企業找到一個個難題的答案，給企業帶來前所未有的商業價值與機會。大數據同時也給企業的IT系統提出了巨大的挑戰。
通過不同行業的「大數據」應用狀況，我們能夠看到企業如何使用大數據和雲計算技術，解決他們的難題，靈活、快速、高效地響應瞬息萬變的市場需求。

㈢ 大數據專業哪些大學有

1. 北京大學

大數據是一個新的專業，國內首次出現這個專業是在2016年的時候，當時新設這個專業的高校全國只有3所有，其中就有北京大學。

2.對外經濟貿易大學

與北大為同一批次開設大數據專業的學校還有對外經貿大學，很多人不知道這所學校是一所211工程大學，所以這個大數據專業應該是辦得不錯的。

3.中南大學

該校是湖南最好的大學，屬於211和985工程學校。是第一批開設大數據與專業的高校。網上的一些排名中將該校的大數據專業排在了全國第一的位置。

4.中國人名大學

人大屬於第二批開設大數據專業的高校，具體開設時間是在2017年。人大的這個專業雖然開設只有一兩年的時間，但是實力應該是很強的，因為該校的統計學科在國內處於領先地位。

5.復旦大學

復旦大學的大數據專業是在2017年開設的，支撐學科主要涉及到了統計學、計算機科學和數學等學科，應用范圍很廣，幾乎在所有的行業中都可以進行應用。

6.電子科技大學

電子科技大學位於成都，綜合實力在全國范圍內排前50位，在四川省中排名第2位，在全國電子科技內大學中排名第一。

(3)大數據有哪些專業擴展閱讀

數據科學與大數據技術專業，簡稱數科或大數據，旨在培養具有大數據思維、運用大數據思維及分析應用技術的高層次大數據人才。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，實際提升學生解決實際問題的能力，具有將領域知識與計算機技術和大數據技術融合、創新的能力，能夠從事大數據研究和開發應用的高層次人才。

大數據專業將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）系統地幫助企業掌握大數據應用中的各種典型問題的解決辦法，包括實現和分析協同過濾演算法、運行和學習分類演算法、分布式Hadoop集群的搭建和基準測試、分布式Hbase集群的搭建和基準測試、實現一個基於、Maprece的並行演算法、部署Hive並實現一個的數據操作等等，實際提升企業解決實際問題的能力。

㈣ 大數據相關專業

大數據專業未來的發展前景非常廣闊，由於大數據行業的產業鏈涉及到多個環節，包括數據採集、數據整理、數據存儲、數據安全、數據分析、數據應用等，所以大數據領域的就業崗位也比較豐富，其中數據整理和數據分析相關崗位還是比較適合女生從事的。

㈤ 大數據專業主要課程有哪些

大數據專業主要課程多種多樣，屬於交叉學科。

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。

就業前景：

作為人口大國和製造大國，我國數據產生能力巨大，大數據資源極為豐富。隨著數字中國建設的推進，各行業的數據資源採集、應用能力不斷提升，將會導致更快更多的數據積累。

預計到2021年底，我國數據總量預計將佔全球數據總量的21%，將成為名列前茅的數據資源大國和全球數據中心。

㈥ 大數據有哪些熱門的專業

數據科學與大數據技術專業，簡稱數據科學或大數據。

大數據是一系列技術的統稱，經過多年的發展，大數據已經形成了從數據採集、整理、傳輸、存儲、安全、分析、呈現和應用等一系列環節。

㈦ 大數據專業主要學什麼

近兩年來，互聯網的發展迅速，相對應的帶動了很多行業的發展，大數據作為新興行業之一，半年來的人才需求在也是居高不下。

通過持續的觀察前程無憂與智聯招聘需求，在2016年6月大數據相關職位需求量，北京為21,511+個，穩居榜首，職位量佔比高達25.1%，上海與深圳雖然拿下第二與第三，但是數量相差甚遠。前十名也全部都是一二線城市，由此可以得出，大數據的發展，當前最活躍於偏向於發達的一線城市以及沿海地區。

從各行業發布的數量上來看，以計算機軟體職位需求量最大，互聯網/電子商務、IT服務/系統/數據/維護，緊隨其後，並且三者相差不大，由此可以看出，計算機、互聯網、IT類的職位需求的空缺一直很大，對於很多求職者而言，這是一個非常大的機遇。排名前四的與第五的數據相差很大，一方面是傳統崗位數量的飽和，另一方面也就是新興行業人才的稀缺。同時已經可以看出大數據在咨詢、房地產、教育等行業的應用已經出現一個小的趨勢，未來這些行業或將出現巨大的需求(或許這以一切的數據現象反映了當前國內的經濟現狀)。

從薪資水平上來看，5-8K是起步，20K以上的在2015年僅佔2.4%，而在2016年卻是增長到了21.5%%，由此可以看出，大數據其實也就是這一年始真正的發展。不論是平均最高月薪還是平均最低月薪，2016年在2015年的基礎上都有明顯的增長。平均月薪的增長意味著大數據進入了越來越多人的視線，專業人才難求，平均月薪瘋長，大數據不火都不行。

目前大數據培訓相對其他培訓項目要好就業，因為其他語言還是技能培訓都是有一定的市場基礎的，而大數據在最近兩年才大力發展，並且在各領域蔓延，因此所產生的人才缺口巨大，而在企業中真正對大數據技能比較強力的技術人才，又特別的少；

應用越來越廣，技術人才卻產生較慢，剛培訓的人員，只能適應基本的軟體操作和理論基礎；還達不到企業要完成復雜業務的技術需求；所以培訓入門快，拿薪資快，但只是一時，進入企業，不努力學習是跟不上發展與用人需求的。

大數據就業方向

大數據領域有三個大的技術方向，這些不同的技術方向，對應企業的哪些招聘崗位？

大數據技術與應用專業市場需求旺盛，對應崗位有大數據開發工程師、爬蟲工程師、數據分析師、數據科學家、數據挖掘工程師、機器學習工程師等；

大數據入門月薪已經達到了8K以上，工作1年月薪可達到1.2W以上，具有2-3年工作經驗的人才年薪可以達到30萬—50萬，一般需要大數據處理的公司基本上都是大公司，所以學習大數據專業也是進大公司的捷徑。

1. Hadoop大數據開發方向市場需求旺盛，大數據培訓的主體，目前IT培訓機構的重點對應崗位：大數據開發工程師、爬蟲工程師、數據分析師等2. 數據挖掘、數據分析&機器學習方向學習起點高、難度大，市面上只有很少的培訓機構在做。對應崗位：數據科學家、數據挖掘工程師、機器學習工程師等3. 大數據運維&雲計算方向市場需求中等，更偏向於Linux、雲計算學科對應崗位：大數據運維工程師

當下，大數據的趨勢已逐步從概念走向落地，而在IT人跟隨大數據浪潮的轉型中，各大企業對大數據高端人才的需求也越來越緊迫。這一趨勢，也給想要從事大數據方面工作的人員提供了難得的職業機遇。

㈧ 大數據有哪些專業

那麼，「大數據」究竟會給電力企業的未來發展帶來什麼啟示呢？
「大數據」的核心：更准確地預測
「大數據」源自英文bigdata，對這個概念的解釋千差萬別，美國學者舍恩伯格在他的專著中解釋說：「大數據，就是我們可以在更大規模的數據上，做到更多我們無法在小規模數據基礎上完成的事情。」
他認為，「大數據」的核心就是對龐雜的超大規模數據資料進行分析，從而可以更准確地預測，這必然引發商業變革。以歐洲快銷時尚品牌zara為例，該公司通過對消費者登錄網店的數據進行分析，找出最受歡迎的產品，作為實體店的推薦參考，果然效果很好。並在實體店及網店中不停地收集消費者反饋：
「我喜歡這個圖案」、「我討厭這個扣子」等，所有消息都通過銷售經理反饋給數據處理中心，最終各方信息都將被分類處理，成為設計、生產、銷售的指引。
zara藉此將銷售收入提高了10%。
舍恩伯格在該書中提出了一個非常具有顛覆性的觀點：通過對龐大數據分析知道「是什麼」就夠了，不必再去追問「為什麼」，就好像
zara只需通過「大數據」分析了解什麼款式最受歡迎，不必再花精力去研究消費者為什麼喜歡。這個觀點對於企業管理者來說，尤為重要。
為電網規劃和新能源探路
舍恩伯格說，可以抽象地認為，智能電網就是「大數據」這個概念在電力行業中的應用，就是通過網路將用戶的用電習慣等信息傳回給電網企業的信息中心，進行分析處理，並對電網規劃、建設、服務等提供更可靠的依據。
日前，美國加州大學洛杉磯分校的研究者就根據「大數據」理論設計了一款「電力地圖」，將人口調查信息、電力企業提供的用戶實時用電信息和地理、氣象等信息全部集合在一起，製作了一款加州地圖。該圖以街區為單位，展示每個街區在當下時刻的用電量，甚至還可以將這個街區的用電量與該街區人的平均收入和建築物類型等相比照，從而得出更為准確的社會各群體的用電習慣信息。
這個「大數據」地圖也為城市和電網規劃提供了直觀有效的負荷數預測依據，也可以按照圖中顯示的停電頻率較高、過載較為嚴重的街區進行電網設施的優先改造。
同時，對於風能、太陽能等具有間歇性的新能源，通過「大數據」分析進行有效地調節，也可以使新能源更好地與傳統的水火電進行互補，更為靈活地出力。

㈨ 有哪些大學的哪些專業是與大數據有關的

一、開設了大數據的大學：

1、北京大學

大數據是一個新的專業，國內首次出現這個專業是在2016年的時候，當時新設這個專業的高校全國只有3所有，其中就有北京大學。

(9)大數據有哪些專業擴展閱讀：

大數據專業主要課程

C程序設計、數據結構、資料庫原理與應用、計算機操作系統、計算機網路、Java語言程序設計、Python語言程序設計，大數據演算法、人工智慧、應用統計（統計學）、大數據機器學習、數據建模、大數據平台核心技術、大數據分析與處理,大數據管理、大數據實踐等課程。

數據（big data）

指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。