大数据有哪些专业

㈠ 大数据专业课程有哪些

首先我们要了解Java语言和Linux操作系统，这两个是学习大数据的基础，学习的顺序不分前后。
Java ：只要了解一些基础即可，做大数据不需要很深的Java 技术，学java SE 就相当于有学习大数据。基础
Linux：因为大数据相关软件都是在Linux上运行的，所以Linux要学习的扎实一些，学好Linux对你快速掌握大数据相关技术会有很大的帮助，能让你更好的理解hadoop、hive、hbase、spark等大数据软件的运行环境和网络环境配置，能少踩很多坑，学会shell就能看懂脚本这样能更容易理解和配置大数据集群。还能让你对以后新出的大数据技术学习起来更快。
好说完基础了，再说说还需要学习哪些大数据技术，可以按我写的顺序学下去。
Hadoop：这是现在流行的大数据处理平台几乎已经成为大数据的代名词，所以这个是必学的。Hadoop里面包括几个组件HDFS、MapRece和YARN，HDFS是存储数据的地方就像我们电脑的硬盘一样文件都存储在这个上面，MapRece是对数据进行处理计算的，它有个特点就是不管多大的数据只要给它时间它就能把数据跑完，但是时间可能不是很快所以它叫数据的批处理。
记住学到这里可以作为你学大数据的一个节点。
Zookeeper：这是个万金油，安装Hadoop的HA的时候就会用到它，以后的Hbase也会用到它。它一般用来存放一些相互协作的信息，这些信息比较小一般不会超过1M，都是使用它的软件对它有依赖，对于我们个人来讲只需要把它安装正确，让它正常的run起来就可以了。
Mysql：我们学习完大数据的处理了，接下来学习学习小数据的处理工具mysql数据库，因为一会装hive的时候要用到，mysql需要掌握到什么层度那?你能在Linux上把它安装好，运行起来，会配置简单的权限，修改root的密码，创建数据库。这里主要的是学习SQL的语法，因为hive的语法和这个非常相似。
Sqoop：这个是用于把Mysql里的数据导入到Hadoop里的。当然你也可以不用这个，直接把Mysql数据表导出成文件再放到HDFS上也是一样的，当然生产环境中使用要注意Mysql的压力。
Hive：这个东西对于会SQL语法的来说就是神器，它能让你处理大数据变的很简单，不会再费劲的编写MapRece程序。有的人说Pig那?它和Pig差不多掌握一个就可以了。
Oozie：既然学会Hive了，我相信你一定需要这个东西，它可以帮你管理你的Hive或者MapRece、Spark脚本，还能检查你的程序是否执行正确，出错了给你发报警并能帮你重试程序，最重要的是还能帮你配置任务的依赖关系。我相信你一定会喜欢上它的，不然你看着那一大堆脚本，和密密麻麻的crond是不是有种想屎的感觉。
Hbase：这是Hadoop生态体系中的NOSQL数据库，他的数据是按照key和value的形式存储的并且key是唯一的，所以它能用来做数据的排重，它与MYSQL相比能存储的数据量大很多。所以他常被用于大数据处理完成之后的存储目的地。
Kafka：这是个比较好用的队列工具，队列是干吗的?排队买票你知道不?数据多了同样也需要排队处理，这样与你协作的其它同学不会叫起来，你干吗给我这么多的数据(比如好几百G的文件)我怎么处理得过来，你别怪他因为他不是搞大数据的，你可以跟他讲我把数据放在队列里你使用的时候一个个拿，这样他就不在抱怨了马上灰流流的去优化他的程序去了，因为处理不过来就是他的事情。而不是你给的问题。当然我们也可以利用这个工具来做线上实时数据的入库或入HDFS，这时你可以与一个叫Flume的工具配合使用，它是专门用来提供对数据进行简单处理，并写到各种数据接受方(比如Kafka)的。
Spark：它是用来弥补基于MapRece处理数据速度上的缺点，它的特点是把数据装载到内存中计算而不是去读慢的要死进化还特别慢的硬盘。特别适合做迭代运算，所以算法流们特别稀饭它。它是用scala编写的。Java语言或者Scala都可以操作它，因为它们都是用JVM的。

㈡ 大数据是属于什么专业的

大数据属于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。
“大数据”（BigData）指一般的软件工具难以捕捉、管理和分析的大容量数据。“大数据”之“大”，并不仅仅在于“容量之大”，更大的意义在于：通过对海量数据的交换、整合和分析，发现新的知识，创造新的价值，带来“大知识”、“大科技”、“大利润”和“大发展”。
“大数据”能帮助企业找到一个个难题的答案，给企业带来前所未有的商业价值与机会。大数据同时也给企业的IT系统提出了巨大的挑战。
通过不同行业的“大数据”应用状况，我们能够看到企业如何使用大数据和云计算技术，解决他们的难题，灵活、快速、高效地响应瞬息万变的市场需求。

㈢ 大数据专业哪些大学有

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。

2.对外经济贸易大学

与北大为同一批次开设大数据专业的学校还有对外经贸大学，很多人不知道这所学校是一所211工程大学，所以这个大数据专业应该是办得不错的。

3.中南大学

该校是湖南最好的大学，属于211和985工程学校。是第一批开设大数据与专业的高校。网上的一些排名中将该校的大数据专业排在了全国第一的位置。

4.中国人名大学

人大属于第二批开设大数据专业的高校，具体开设时间是在2017年。人大的这个专业虽然开设只有一两年的时间，但是实力应该是很强的，因为该校的统计学科在国内处于领先地位。

5.复旦大学

复旦大学的大数据专业是在2017年开设的，支撑学科主要涉及到了统计学、计算机科学和数学等学科，应用范围很广，几乎在所有的行业中都可以进行应用。

6.电子科技大学

电子科技大学位于成都，综合实力在全国范围内排前50位，在四川省中排名第2位，在全国电子科技内大学中排名第一。

(3)大数据有哪些专业扩展阅读

数据科学与大数据技术专业，简称数科或大数据，旨在培养具有大数据思维、运用大数据思维及分析应用技术的高层次大数据人才。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，实际提升学生解决实际问题的能力，具有将领域知识与计算机技术和大数据技术融合、创新的能力，能够从事大数据研究和开发应用的高层次人才。

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。

㈣ 大数据相关专业

大数据专业未来的发展前景非常广阔，由于大数据行业的产业链涉及到多个环节，包括数据采集、数据整理、数据存储、数据安全、数据分析、数据应用等，所以大数据领域的就业岗位也比较丰富，其中数据整理和数据分析相关岗位还是比较适合女生从事的。

㈤ 大数据专业主要课程有哪些

大数据专业主要课程多种多样，属于交叉学科。

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。

就业前景：

作为人口大国和制造大国，我国数据产生能力巨大，大数据资源极为丰富。随着数字中国建设的推进，各行业的数据资源采集、应用能力不断提升，将会导致更快更多的数据积累。

预计到2021年底，我国数据总量预计将占全球数据总量的21%，将成为名列前茅的数据资源大国和全球数据中心。

㈥ 大数据有哪些热门的专业

数据科学与大数据技术专业，简称数据科学或大数据。

大数据是一系列技术的统称，经过多年的发展，大数据已经形成了从数据采集、整理、传输、存储、安全、分析、呈现和应用等一系列环节。

㈦ 大数据专业主要学什么

近两年来，互联网的发展迅速，相对应的带动了很多行业的发展，大数据作为新兴行业之一，半年来的人才需求在也是居高不下。

通过持续的观察前程无忧与智联招聘需求，在2016年6月大数据相关职位需求量，北京为21,511+个，稳居榜首，职位量占比高达25.1%，上海与深圳虽然拿下第二与第三，但是数量相差甚远。前十名也全部都是一二线城市，由此可以得出，大数据的发展，当前最活跃于偏向于发达的一线城市以及沿海地区。

从各行业发布的数量上来看，以计算机软件职位需求量最大，互联网/电子商务、IT服务/系统/数据/维护，紧随其后，并且三者相差不大，由此可以看出，计算机、互联网、IT类的职位需求的空缺一直很大，对于很多求职者而言，这是一个非常大的机遇。排名前四的与第五的数据相差很大，一方面是传统岗位数量的饱和，另一方面也就是新兴行业人才的稀缺。同时已经可以看出大数据在咨询、房地产、教育等行业的应用已经出现一个小的趋势，未来这些行业或将出现巨大的需求(或许这以一切的数据现象反映了当前国内的经济现状)。

从薪资水平上来看，5-8K是起步，20K以上的在2015年仅占2.4%，而在2016年却是增长到了21.5%%，由此可以看出，大数据其实也就是这一年始真正的发展。不论是平均最高月薪还是平均最低月薪，2016年在2015年的基础上都有明显的增长。平均月薪的增长意味着大数据进入了越来越多人的视线，专业人才难求，平均月薪疯长，大数据不火都不行。

目前大数据培训相对其他培训项目要好就业，因为其他语言还是技能培训都是有一定的市场基础的，而大数据在最近两年才大力发展，并且在各领域蔓延，因此所产生的人才缺口巨大，而在企业中真正对大数据技能比较强力的技术人才，又特别的少；

应用越来越广，技术人才却产生较慢，刚培训的人员，只能适应基本的软件操作和理论基础；还达不到企业要完成复杂业务的技术需求；所以培训入门快，拿薪资快，但只是一时，进入企业，不努力学习是跟不上发展与用人需求的。

大数据就业方向

大数据领域有三个大的技术方向，这些不同的技术方向，对应企业的哪些招聘岗位？

大数据技术与应用专业市场需求旺盛，对应岗位有大数据开发工程师、爬虫工程师、数据分析师、数据科学家、数据挖掘工程师、机器学习工程师等；

大数据入门月薪已经达到了8K以上，工作1年月薪可达到1.2W以上，具有2-3年工作经验的人才年薪可以达到30万—50万，一般需要大数据处理的公司基本上都是大公司，所以学习大数据专业也是进大公司的捷径。

1. Hadoop大数据开发方向市场需求旺盛，大数据培训的主体，目前IT培训机构的重点对应岗位：大数据开发工程师、爬虫工程师、数据分析师等2. 数据挖掘、数据分析&机器学习方向学习起点高、难度大，市面上只有很少的培训机构在做。对应岗位：数据科学家、数据挖掘工程师、机器学习工程师等3. 大数据运维&云计算方向市场需求中等，更偏向于Linux、云计算学科对应岗位：大数据运维工程师

当下，大数据的趋势已逐步从概念走向落地，而在IT人跟随大数据浪潮的转型中，各大企业对大数据高端人才的需求也越来越紧迫。这一趋势，也给想要从事大数据方面工作的人员提供了难得的职业机遇。

㈧ 大数据有哪些专业

那么，“大数据”究竟会给电力企业的未来发展带来什么启示呢？
“大数据”的核心：更准确地预测
“大数据”源自英文bigdata，对这个概念的解释千差万别，美国学者舍恩伯格在他的专着中解释说：“大数据，就是我们可以在更大规模的数据上，做到更多我们无法在小规模数据基础上完成的事情。”
他认为，“大数据”的核心就是对庞杂的超大规模数据资料进行分析，从而可以更准确地预测，这必然引发商业变革。以欧洲快销时尚品牌zara为例，该公司通过对消费者登录网店的数据进行分析，找出最受欢迎的产品，作为实体店的推荐参考，果然效果很好。并在实体店及网店中不停地收集消费者反馈：
“我喜欢这个图案”、“我讨厌这个扣子”等，所有消息都通过销售经理反馈给数据处理中心，最终各方信息都将被分类处理，成为设计、生产、销售的指引。
zara借此将销售收入提高了10%。
舍恩伯格在该书中提出了一个非常具有颠覆性的观点：通过对庞大数据分析知道“是什么”就够了，不必再去追问“为什么”，就好像
zara只需通过“大数据”分析了解什么款式最受欢迎，不必再花精力去研究消费者为什么喜欢。这个观点对于企业管理者来说，尤为重要。
为电网规划和新能源探路
舍恩伯格说，可以抽象地认为，智能电网就是“大数据”这个概念在电力行业中的应用，就是通过网络将用户的用电习惯等信息传回给电网企业的信息中心，进行分析处理，并对电网规划、建设、服务等提供更可靠的依据。
日前，美国加州大学洛杉矶分校的研究者就根据“大数据”理论设计了一款“电力地图”，将人口调查信息、电力企业提供的用户实时用电信息和地理、气象等信息全部集合在一起，制作了一款加州地图。该图以街区为单位，展示每个街区在当下时刻的用电量，甚至还可以将这个街区的用电量与该街区人的平均收入和建筑物类型等相比照，从而得出更为准确的社会各群体的用电习惯信息。
这个“大数据”地图也为城市和电网规划提供了直观有效的负荷数预测依据，也可以按照图中显示的停电频率较高、过载较为严重的街区进行电网设施的优先改造。
同时，对于风能、太阳能等具有间歇性的新能源，通过“大数据”分析进行有效地调节，也可以使新能源更好地与传统的水火电进行互补，更为灵活地出力。

㈨ 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。

(9)大数据有哪些专业扩展阅读：

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。