1. 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)。
2. 工程统计学的学习难点有什么
工程统计学是一门研究如何收集、处理、分析和解释数据的学科，它在工程领域中有着广泛的应用。然而，学习工程统计学也面临着一些难点。
首先，工程统计学涉及的概念和方法较多，需要掌握一定的数学基础和逻辑思维能力。例如，概率论、数理统计、假设检验等都是工程统计学的基础内容，对于初学者来说可能会感到有些困难。
其次，工程统计学中的计算过程较为繁琐，需要熟练掌握各种计算方法和技巧。例如，参数估计、置信区间、回归分析等都需要进行大量的计算，这对于初学者来说可能会感到有些吃力。
此外，工程统计学中的数据处理方法也较为复杂。例如，数据清洗、缺失值处理、异常值检测等都需要掌握一定的技巧和方法。这些数据处理方法在实际应用中非常重要，但对于初学者来说可能会感到有些难以理解。
最后，工程统计学的应用范围较广，涉及到多个领域和行业。因此，在学习过程中需要不断拓宽知识面，了解不同领域中的应用场景和需求。这对于初学者来说可能会感到有些挑战。
总之，学习工程统计学需要具备一定的数学基础和逻辑思维能力，同时还需要熟练掌握各种计算方法和技巧，并不断拓宽知识面。虽然学习过程中会遇到一些难点，但只要认真学习、勤加练习，就一定能够掌握这门学科。
3. 工业大数据工程师是做什么的
工业大数据工程师的核心职责在于数据集成、处理与分析，具体包括：从多个源头收集数据，进行清洗和过滤，确保数据的准确性；运用数据挖掘和机器学习等技术，从海量数据中提取有价值的信息；构建和优化工业大数据平台，进行数据模型的开发与测试，确保平台的稳定运行；对数据进行深度分析，发现数据中的规律和异常，支持数据驱动的决策；协助研发和业务部门实现数据产品的功能，并处理复杂的数据问题。
他们还需要根据企业的具体业务需求，优化系统或应用的技术架构，确保系统的稳定性与安全性。为了胜任这些职责，工业大数据工程师通常需要掌握大数据相关的技术工具，如Hadoop和Spark等。此外，深入理解工业大数据的特点和需求，对于完成好这项工作至关重要。
工业大数据工程师的工作不仅限于技术层面，还需要与业务部门紧密合作，确保数据产品能够满足实际业务需求。他们需要具备良好的沟通协调能力，以便更好地理解业务需求，并将其转化为具体的技术解决方案。
此外，工业大数据工程师还需要关注数据安全和隐私保护，确保在处理和分析数据的过程中，遵守相关法律法规，保护企业及用户的合法权益。随着工业互联网的发展，对工业大数据工程师的需求将持续增长，他们在推动企业数字化转型和智能化升级中扮演着重要角色。
为了适应这一领域的发展趋势，工业大数据工程师需要不断学习和提升自己的技能，紧跟技术前沿，以更好地应对复杂多变的数据环境和业务挑战。