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。

大数据岗位：

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MapReduce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。

1什么是物联网

物联网就是利用局部网络或互联网等通信技术把传感器、控制器、机器、人员和物等通过新的方式联在一起，形成人与物、物与物相联，实现信息化、远程管理控制和智能化的网络。物联网其实就是互联网的延伸，它包括互联网及互联网上所有的资源，兼容互联网所有的应用，但物联网中所有的元素都是个性化和私有化。

物联网的影响

物联网成熟之后，真正实现了万物互联，即“人与人、人与物、物与物”互联，世间一切都连接起来。物联网使得连接起来的终端呈指数级增长，产生的数据也会呈指数级增长。物联网必将是下一个推动世界高速发展的“重要生产力”，一方面可以提高经济效益，很大基础上节约成本;另一方面可以为全球经济的复苏提供技术动力，将是继通信网之后的另一个万亿级市场。

把物联网用人体做一个简单比喻，传感器相当于人的眼睛、鼻子、皮肤等感官，网络就是神经系统用来传递信息，嵌入式系统则是人的大脑，在接收到信息后要进行分类处理。

2什么是区块链

区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。所谓共识机制是区块链系统中实现不同节点之间建立信任、获取权益的数学算法。

区块链的特点

广义上来讲，区块链技术是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据、利用密码学的方式保证数据传输和访问的安全、利用由自动化脚本代码组成的智能合约来编程和 *** 作数据的一种全新的分布式基础架构与计算范式。

区块链采取分布式数据存储、点对点传输、共识机制、加密算法等技术，具有去中心化、开放性、自治性、不可篡改性、匿名性等特点，能够有效地在不同节点之间建立信任、获取权益。

区块链的应用

区块链最早的应用是数字货币，比特币是最具有典型代表，目前1比特币的价格已经超过40000人民币，其他的还有litecoin、dogecoin、dashcoin等等。

目前，区块链应用最广的是金融领域，此外还在智能合约、证券交易、电子商务、物联网、社交通讯、文件存储、存在性证明、身份验证、股权众筹、版权保护等领域有广泛应用。

3什么是大数据

其实简单的来说，大数据就是通过分析和挖掘全量的非抽样的数据辅助决策。

大数据的特征

大数据是指以服务于决策为目的，需要新型数据处理模式才能对其内容进行采集、存储、管理和分析的海量、高增长率和多样化的信息资本。

大数据具有如下本质特征：

1根本目的是服务于决策，大数据能够帮助各类组织和个人大幅度提升决策能力，做出更好的决策和判断;

2量度大，大数据通常是指100T以上的数据量，这难以依靠传统的计算手段有效计算，而必须依靠新的计算手段和数据挖掘工具;

3频率高，大数据是用户参与与互动而产生的数据，根据用户的网络痕迹来及时地了解用户的相关数据，这种数据是按照天甚至小时来计的高频数据。而传统的数据频率都很低，很多数据是按照月甚至按照年份来计算的;

4速度快，大数据是实时性的数据，能够实时反应。例如，在百度搜索框输入一个关键词，能够瞬间呈现，而传统的数据收集方式则是严重滞后的;

5永远在线。在线是大数据的前提条件，从这个角度来说，大数据是永远在线的，能够随时被调用的。大数据通过分析各种网络终端上的用户痕迹，能够更好地分析用户的行为、情感、思想、爱好与需求，来更好地进行决策和分析。

大数据的三大关键点

首先，数据的可获得度。目前在国内，大数据的发展严重受制于政府信息的公开性不够，很多数据难以获得，导致难以实现真正的大数据挖掘和分析，这就要求政府及时开放更多的数据，以提高数据的可获得度。

其次，进行科学的模型建构。模型的科学性直接决定着数据分析的质量，这就要求有高超的建模水平，当然数据量越多也有助于模型的合理构建。

第三，利用专家对观点进行提炼。为决策提供依据的基于数据挖掘的独到、高质量的观点，高度依赖于高质量的数据解释，这就体现了行业专家的价值。

物联传媒提供

1高效分布式

必须是高效的分布式系统。物联网产生的数据量巨大，仅中国而言，就有5亿多台智能电表，每台电表每隔15分钟采集一次数据，一天全国智能电表就会产生500多亿条记录。这么大的数据量，任何一台服务器都无能力处理，因此处理系统必须是分布式的，水平扩展的。为降低成本，一个节点的处理性能必须是高效的，需要支持数据的快速写入和快速查询。

2实时处理

必须是实时处理的系统。互联网大数据处理，大家所熟悉的场景是用户画像、推荐系统、舆情分析等等，这些场景并不需要什么实时性，批处理即可。但是对于物联网场景，需要基于采集的数据做实时预警、决策，延时要控制在秒级以内。如果计算没有实时性，物联网的商业价值就大打折扣。

3高可靠性

需要运营商级别的高可靠服务。物联网系统对接的往往是生产、经营系统，如果数据处理系统宕机，直接导致停产，产生经济有损失、导致对终端消费者的服务无法正常提供。比如智能电表，如果系统出问题，直接导致的是千家万户无法正常用电。因此物联网大数据系统必须是高可靠的，必须支持数据实时备份，必须支持异地容灾，必须支持软件、硬件在线升级，必须支持在线IDC机房迁移，否则服务一定有被中断的可能。

4高效缓存

需要高效的缓存功能。绝大部分场景，都需要能快速获取设备当前状态或其他信息，用以报警、大屏展示或其他。系统需要提供一高效机制，让用户可以获取全部、或符合过滤条件的部分设备的最新状态。

5实时流式计算

需要实时流式计算。各种实时预警或预测已经不是简单的基于某一个阈值进行，而是需要通过将一个或多个设备产生的数据流进行实时聚合计算，不只是基于一个时间点、而是基于一个时间窗口进行计算。不仅如此，计算的需求也相当复杂，因场景而异，应容许用户自定义函数进行计算。

6数据订阅

需要支持数据订阅。与通用大数据平台比较一致，同一组数据往往有很多应用都需要，因此系统应该提供订阅功能，只要有新的数据更新，就应该实时提醒应用。而且这个订阅也应该是个性化的，容许应用设置过滤条件，比如只订阅某个物理量五分钟的平均值。

大数据云计算物联网人工智能如何用于数媒制作，方法如下:
1首先了解大数据所表达的问题，以及其中相对应的数据流。
2大数据是人工智能的基础，数媒制作需要人工智能中的虚拟现实技术，利用其来构造框架。
3大数据和物联网的技术融合，可以创造物体无限互联，网络无限延伸的深层应用效果。计算机技术快速发展的当下，数据之间可以进行高速、有效的传播，并且信息的处理效率也不断地加快，使数媒制作有新方向。

大数据云计算物联网之间的关系如下：

1、云计算为大数据提供了技术基础，大数据为云计算提供用武之地。

2、物联网是大数据的重要来源，大数据技术为物联网数据分析提供支撑。

3、云计算为物联网提供海量数据存储能力，物联网为云计算技术提供了广阔的应用空间。

总结一下三者的联系与区别：

1、大数据、云计算、物联网的区别。大数据侧重于海量数据的存储、处理与分析，从海量数据中发现价值，服务于生产和生活。云计算本质上旨在整合和优化各种IT资源，并通过网络以服务的方式廉价提供给用户。物联网的发展目标是实现物物相连，应用创新是物联网发展的核心。

2、大数据、云计算、物联网的联系。从整体上看，大数据、云计算、物联网这三者是相辅相成的。大数据根植于云计算，大数据分析的很多技术都来自于云计算，云计算的分布式和数据存储和管理系统（包括分布式文件系统和分布式数据库系统）提供了海量数据的存储和管理能力，分布式并行处理框架提供了海量数据分析能力，没有这些云计算技术作为支撑，大数据分析就无从谈起。反之，大数据为云计算提供了“用武之地”，没有大数据这个“练兵场”，云计算技术再先进，也不能发挥它的应用价值。

云计算、大数据和物联网三者已经彼此渗透、相互融合，在很多应用场合都可以同时看到三者的身影，在未来，三者会继续相互促进、相互影响，更好地服务于社会生产和生活的各个领域。

---