大数据专业主要课程

1 大数据学习需要哪些课程

主修课程：面向对象程序设计、Hadoop实用技术、数据挖掘、机器学习、数据统计专分析、高属等数学、Python编程、JAVA编程、数据库技术、Web开发、Linux *** 作系统、大数据平台搭建及运维、大数据应用开发、可视化设计与开发等

2 大数据专业课程有哪些 专业介绍

随着互联网技术的不断发展，当今的时代又被称之为大数据时代。

目前互联网企业对大数据人才需求非常大，培训机构出来的人才也很好找工作，南京课工场最近一批的大数据学员就业就很高，薪资普遍很高。当然，工作好找的前提是你大数据的相关技术要过关哦！

从近两年大数据方向研究生的就业情况来看，大数据领域的岗位还是比较多的，尤其是大数据开发岗位，目前正逐渐从大数据平台开发向大数据应用开发领域覆盖，这也是大数据开始全面落地应用的必然结果。从2019年的秋招情况来看，大数据开发岗位的数量明显比较多，而且不仅需要研发型人才，也需要应用型人才，所以本科生的就业机会也比较多。

对于当前在读的本科生来说，如果不想读研，那么应该从以下三个方面来提升自身的就业竞争力：

第一：提升程序设计能力。动手实践能力对于本科生的就业有非常直接的影响，尤其在当前大数据落地应用的初期，很多应用级岗位还没有得到释放，不少技术团队比较注重学生程序设计能力，所以具备扎实的程序设计基础还是比较重要的。

第二：掌握一定的云计算知识。大数据本身与云计算的关系非常紧密，未来不论是从事大数据开发岗位还是大数据分析岗位，掌握一定的云计算知识都是很有必要的。掌握云计算知识不仅能够提升自身的工作效率，同时也会拓展自身的技术边界。

第三：重视平台知识的积累。产业互联网时代是平台化时代，所以要想提升就业能力应该重视各种开发平台知识的积累，尤其是与行业领域结合比较紧密的开发平台。实际上，大数据和云计算本身就是平台，所以大数据专业的学生在学习平台开发时也会相对顺利一些。

3 大数据专业都要学什么课程

大数据专业有很多课程

4 数据与大数据专业学什么课程

大数据存储阶段：hbase、hive、sqoop。

大数据架构设计阶段：Flume分布式、Zookeeper、Kafka。

大数据实时计算阶段：Mahout、Spark、storm。

大数据数据采集阶段：Python、Scala。

大数据商业实战阶段：实 *** 企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。

5 大数据要学哪些课程

大数据存储阶来段：百hbase、hive、sqoop。

大数度据自架构设计阶段：Flume分布式、Zookeeper、Kafka。

大数据实时计算阶段：Mahout、Spark、storm。

大数据数据采集阶段：Python、Scala。

大数据商业实战阶内段：实 *** 企业大数据处理业务场景，分析需求、解决方案实施，技术实战应用。

6 大数据的课程都有哪些

大数据本身属于交叉学科，涵盖计算机、统计学、数学三个学科的专业知识。所以大数据的课程内容，基本上也是围绕着三个学科展开的。

数理统计方面：数学分析、统计学习、高等代数、离散数学、概率与统计等课程是基本配置。

计算机专业课程：数据结构、数据科学、程序设计、算法分析与设计、数据计算智能、数据库系统、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等，也是必备课程。

而想要真正找到工作的话，大数据主流技术框架，也要去补充起来，这才是找工作当中能够获得竞争力的加分项。

7 大数据课程都学什么啊

大数据课程学习的内容有6个阶段：

1阶段

JavaSE基础核专心

2阶段

数据库关键技术属

3阶段

大数据基础核心

4阶段

Spark生态体系框架&大数据高薪精选项目

5阶段

Spark生态体系框架&企业无缝对接项目

6阶段

Flink流式数据处理框架

按照顺序学习就可以了，希望你早日学有所成。

8 大数据专业主要学什么课程

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。

(8)大数据专业主要课程扩展阅读：

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MapRece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。

9 大数据专业课程有哪些

首先我们要了解Java语言和Linux *** 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 *** 作它，因为它们都是用JVM的。

想要在一个岗位上有好的发展，是必须要做好职业生涯规划的。下面是由我为大家整理的“职业生涯规划2000字左右大数据技术”，仅供参考，欢迎大家阅读。

职业生涯规划2000字左右大数据技术（一）

努力很重要，但是方向更重要。在当今激烈的社会竞争之中，相关知识体系和工作经验相对完备者更具有优势，而大学生活是我们进入社会之前的磨练和演习，在对自己所学专业对应的职业有所了解和定位，明确将来前进的方向，能让我们更有侧重点的学习。通过着眼于现学专业和个人所长来进行职业规划，可以分析自我，为将来的奋斗确立方向。如果只是混混度日或者盲目学习各门课程而忽略专业偏向和主次，怎么能够满足将来的工作需要？再者，职业规划可以让我们根据未来的理想制定可行的生活规划，评估当下和目标之间的差距，弥补自身不足，在反复的学习和实践中让之间更具竞争力，充实自我，了解自我，从而找到职场机遇。

一、自我评估与分析

就自身而言，我认为自己的兴趣与爱好其实是比较广泛的，具体的讲自己对计算机、文学、美术等方面比较感兴趣，同时还比较关心时事新闻。而我平时也喜欢看相关爱好的书籍博文，此外喜欢户外运动，喜欢打羽毛球、跑步。闲暇之余我喜欢画画、听音乐看**。

1、性格的态度特征

我的性格是比较诚实、正直的。在做事情时认真勤奋责任心强，往往尽力做到自己能达的，同时比较喜欢创新。喜欢用不同的角度来看待分析问题。在自己的生活与同学及其他人的交往中比较随和，很少跟人发生正面冲突，也基本能做到小事不计较不记仇，当我遇到没有接触的事情和不懂的地方时能向人虚心请教，但有时也会坚持己见按自己预先设想的来办。

就性格而言，我认为有待改善的地方是，有时缺乏自信，优柔寡断。

对于做事态度方面，有时比较急躁，没有细致地规划好，这也是我认为做一份职业规划非常必要的原因之一。还有，虽然我经常能够意识到问题的存在，忧患意识较强，也常会立刻付诸实践，但是恒心毅力不够，没有坚持到底，这也算是我性格的一个弱点。就此，在未来3年多的大学生活中我会主要到阻止自己做到更好的因素，并努力完善自我，让我在未来更具优势。

性格的理智特征在感知注意方面，我是属于那种主动观察的类型；在想象方面，我是属于主动想象的类型，是那种发散型的类型，同时我认为自己在做事情的时候是现实主义与幻想主义的结合。

如果按照美国霍兰德的职业兴趣理论的分析，我认为我是属于企业型的职业兴趣者，按照美国人才专家把人们的职业定位类型的五种划分方法的话，我认为我是管理型或者是创造型的人。

2、我的优点

（1）我的兴趣比较广泛，对事物的接受能力较强。

（2）社会实践能力以及组织协调能力较强。

（3）对人诚恳，大方，喜欢与人交流社会交际能力强。

（4）特长是画画，有一定的素描基础。

（5）在学识上我喜欢看一些历史、人文、地理之类的书，对我们中国的历史文化有较强的认识，对国外的知识有较多的了解，同时还喜欢看一些感情色彩较浓的散文。

（6）在专业知识上虽然没有开始正式上课，但是自己已经在自我学习并通过社会实践了解到一些。

（7）忧患意识较强，喜欢多角度分析问题。

（8）我自问不是什么聪明的人，但相信我的智商是中等偏上的；在道德上虽然不是高尚的人，但起码我认为自己不会破坏社会道德，损人利己。

3、我的缺点

（1）我的缺点还是比较多的，自己的缺点就是有时候做事情会比较粗心，有时可能会丢三落四，做事情有时候会比较冲动，考虑问题不全面，规划不细致。

（2）由于性格比较直，所以有的时候或许会不注意说话的方式。

（3）我的另一个大缺点是脾气有点倔强，认定的事情就一定要做到而且要做好。

（4）社会实践的经验还不丰富，对许多方面的知识了解不够，且没有积极的去学习。适合职业有：信贷顾问房地产经纪人法律从业者银行、税务从业者人事管理人员财务人员机械、电气、计算机工程师业务员营销师当然，测试不一定完全准确，根据我对自己的认识，我性格温和，喜欢独自思考，遇事冷静，讲求和谐。崇尚自由，尊重他人，乐意结交各种各样的朋友。乐观积极，比较有自信。

二、专业就业方向及前景分析

我所学的专业是信息与计算科学，该专业是以信息领域为背景数学与信息，管理相结合的交叉学科专业。毕业以后，可以在信息与计算科学、计算机信息处理、经济、金融等部门从事研究、教学、应用软件开发或者是管理部门从事一些实际应用、开发研究或者管理工作。

（一）前景分析

（1）继续深造：由于信息与计算科学专业的毕业生不仅具有扎实的数学基础和良好的数学思维能力，而且掌握了信息与计算科学的方法与技能，受到科学研究的训练，因此继续深造的可选择领域将变得非常广泛，既可以继续攻读计算数学、计算力学、计算机应用与软件、信息与网络安全、信息科学、自动控制、金融信息等专业和研究方向的硕士学位，也可以攻读具有行业特色且与信息与计算关系比较紧密的某些专业的硕士学位，象地球物理、油藏数值模拟、试井、储运等方向都是继续深造的理想专业。

（2）高等院校、科研单位：信息与计算科学专业的毕业生可以在大专院校和科研单位从事教学和科研研工作，可以继续从事信息科学与计算数学的教学和研究工作，也可以凭借其出色的数学建模能力和计算能力解决实际应用问题。

（3）IT企业：信息与计算科学专业的毕业生进入IT企业是一个重要的就业方向，它们可以在这些企业非常高效的从事计算机软件开发、信息安全与网络安全等工作。信息产业对人才的需求首先是基本的“技能”，包括计算机编程的基本能力，要求具有良好的数据库和计算机网络的知识和使用技能，熟悉基本的软件开发平台。由于信息产业进入“应用”为主流的时代，高水平的从业人员不仅要掌握基本的“技能”，关键还要具备将实际问题提炼为计算问题以及求解该问题的能力，这正是信息与计算科学专业学生的优势所在，也是近几年来国内大型IT企业“抢购”知名高校计算数学专业毕业生的原因所在。

（4）特色行业的就业：在前面的办学指导思想中曾经提到过一条是重实际，即各学校应紧紧结合本校的实际，努力使所办专业与所在学校的定位相适应、与本校教师的特长与发展目标相适应、与所在地区经济发展对人才的需求相适应。

（二）职位选择分析：精算师

1、工作职能权限

精算师运用数学、经济、财政，概率和统计知识帮助公司评估一些事件发生的风险以及制定政策使风险成本最小化。因此，精算师作为一名员工或者顾问，对于保险和再保险行业是必不可少的；在其他行业也涉及退休养老金计划，甚至在政府部门也占有重要位置，诸如英国的精算部门，美国的社会保障部门。精算师通过收集和分析数据估算意外事件发生的可能性成本，这些意外事件包括死亡，疾病，伤病，残疾，还有财产损失。精算师也处理金融问题，例如根据养老金的水平确定退休金额，以及公司根据潜在的风险选择投资的方式以使投资回收化。精算师知识面很广，他们帮助设计和制定保险政策，养老金计划和其他的一些经济策略，这些方式将确保在健全的经济基础之上制定计划。目标与现实差距

2、工作所需专业

（1）分和线性代数。

（2）概率论与数理统计。

（3）应用统计方法。

（4）复利数学。

（5）精算数学。

（6）风险理论。

（7）生存模型。

（8）经济保障计划概论。

（9）精算实务概论。

（10）资产管理和公司财务概论。

（11）资产和负债管理原理。

（三）实现职业目标的具体行动计划（未来三学年）

首先，要认真听课，保证学习成绩，拿到奖学金。但是，我认为，眼光应当放远一些，在我的大学时代多方面培养自己，丰富知识，提高综合素质，而不是急功近利，纯粹为了就业而学习。当然，学习中应当有所偏重，除了数学类必修课，还需要掌握精算实务和资产管理概论等方面知识。这就需要跨专业的学习。

其次，多参与活动，将所学知识运用于实践，初步积累编程和测试经验。平时利用网络与从业人员交流，多去软件测试的论坛、贴吧。让自己在加入工作之前个职业有更深更全面的认识，并且能在这个过程中积累人脉资源具体计划：

大一下学期，英语过四级。

大二上学期成绩达到要求，过英语四级。大二暑假暑期社会实践，找一份兼职大三上学期学好各门课程，过英语六级

大三寒假在家乡找一份兼职大三下学期学好各门课程，自学软件测试相关知识大四上学期继续自学软件测试知识

大四寒假运用所学知识进行精算师考试检测自己的测试水平以及相关知识掌握程度大四下学期完善软件测试知识，参加相关专业培训

三、结语

人生犹如在大海里漂泊的船，如果找不到航行的方向，就会迷失自己。就像万吨巨轮没有罗盘掌控方向就不能远航。对自己的未来没有系统的规划，梦想只能遥遥无期，永远实现不了，只能导致自己找不到自己奋斗的目标，一切的理想都将成为空谈。

大学是人生最为重要的时期，能否成为祖国现代化建设的合格接班人，就看你大学四年如何度过了。为了能使自己充实的度过大学四年的美好时光，学有所成，因此制定如上学习计划，用以时刻提醒自己，勉励自己，为美好的明天而努力奋斗。

我相信在我的大学四年中，给自己制定一个合适的职业生涯规划会给我将来的发展起到一个灯塔的作用，将影响我的一生。现在的大学生处在一个纷繁复杂的社会环境，如果不给自己一个很好的方向，在各种社会的迷惑下很容易迷失自己。有压力才会有动力，此计划将作为我大学学习上的启明灯，照亮我前进的道路。

职业生涯规划2000字左右大数据技术（二）

每一位大学生应该在今天规划好自己的明天，我们必须告诫自己：我不能被别人淘汰。而有一份长期稳定的规划是有必要的。首先，职业生涯规划是帮助柔弱个体对抗变幻莫测的世界的一种不变的工具。中国人讲究以“不变应万变”，因此需要有一份稳定的职业生涯规划了。那么对于在校大学生该怎样规划自己的职业生涯呢？对于在校大学生，首先要对自己有一个清醒的认识，知晓自己的优点、缺点等等。另外在对自己有一个比较完备的认识的时候要明确自己的兴趣，明确自己的目标，通过目标的明确要找准自己日后的社会地位定位，履行好自己的社会角色。我会一步一个脚印改变我自己。

一、专业简介

本科专业中和大数据相对应的是“数据科学与大数据技术”专业，它是2015年教育部公布的新增专业。2016年3月公布的《高校本科专业备案和审批结果》中，北京大学、对外经济贸易大学和中南大学3所高校首批获批开设“数据科学与大数据技术”专业。随后第二年又有32所高校获批“数据科学与大数据技术”专业。两次获批的名单中显示，该专业学制为四年，大部分为工学。

1、培养目标

本专业就是在此背景下设立的面向大数据时代巨大人才需求的新专业，旨在培养具有良好的科学素养和社会责任感与使命感，具有宽广的国际视野，具有从事数据科学与大数据相关的软硬件及网络的研究、设计、开发以及综合应用的高级工程技术人才。

2、培养要求

本专业是一个软硬件结合、兼顾数据科学理论与应用的以计算技术为基础的、以数据科学与大数据技术为特色的宽口径专业。

3、名人学者

房祥忠、纪宏、林华珍等。

二、课程要求

1、主干课程

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、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等。

2、学科要求

善于做需求分析、写代码；善于与人沟通，喜欢探索未知；需要根据数据推演、分析、提出解决方案，有数据思维；需要持续保持学习状态；内性格上能动能静。

3、知识能力

（1）具备扎实的数据基础理论和基础知识。

（2）具有较强的思维能力、算法设计与分析能力。

（3）系统掌握计算机科学与技术专业基本理论、基本知识和 *** 作技能。

（4）了解学科的知识结构、典型技术、核心概念和基本工作流程。

（5）有较强的计算机系统的认知、分析、设计、编程和应用能力。

（6）掌握文献检索、资料查询的基本方法、能够独立获取相关的知识和信息，具有较强的创新意识。

（7）熟练掌握一门外语，能够熟读该专业外文书刊。

三、自我评估

1、我的性格

大家都说我是一个活泼开朗的人，很善于与人交流，人缘也比较好，但是很多时候在一些场合缺乏自信，有的时候患得患失，总是考虑的太多，所以错过了一些很好的机会。从小到大都比较要强，不服输，总想必别人做的更好，不过来到大学，发现人外有人，天外有天，所以开始懂得只要自己努力了就不后悔，不管结果是不是第一，只要自己尽力了就是最好的了。性格比较直爽，有的时候容易伤人，虽然在尽力在改变，但是还需要进一步改善。我是个很好的合作伙伴，做事踏实认真，大家交给我的事情总能很好的完成，一丝不苟。

2、我的兴趣

喜欢看电视，看报纸，上网，逛街，打羽毛球等。很喜欢玩，但是也很关心时事和政治方面的新闻，可以说爱好广泛，但是没有什么很专一能做好的事情。

3、我自己认为所具有的能力

现在在班级里担任班长，所以在这一年里，自己的很多能力都有所提高。比如，在协调班级工作中，增强了合作意识，并提升了统筹规划的能力，在工作中，可能会遇到一些摩擦，在解决这些小摩擦的过程中，我也提升了解决问题和矛盾的能力。也具有了一定的与人交流沟通和组织各种活动的能力。

4、我的价值观

我自己感觉我的人生观和价值观都比较正确，信仰共产主义，而且一直坚信，人一生不能只为了钱去追逐，最有意义的一生是活的快乐幸福，而不是为了追逐金钱和奢侈的生活。

5、我的优势和劣势

优势，我的人缘还可以，善于与人交流，还有在组织活动等方面有一定的组织能力，性格比较开朗，能够很好的调节自己的心情。比较要强，做事踏实。

劣势，缺乏恒心，自制力也比较差，不能很好的控制自己，有的时候性格太直了，有什么说什么，容易伤害到别人。

6、我的技能

英语比较好，计算机常用软件的使用，口语表达能力比较强，善于学习新事物。

7、在选择职业时遇到的最大困难和困惑

我现在学习的专业是自动化专业，如果我从事本专业工作，那么就需要我有很扎实的专业基本功和基础，但是现在我所学习的编程等内容对我自己来说有一定的难度，不而且对这些内容并没有很深的兴趣，只是在一点点的培养。第二，现在全国开展此专业的学校有很多，而对于此专业我们学校并没有什么竞争力，所以不知道自己以后能不能找到合适的工作，也不知道今后能不能胜任自动化专业的工作。

8、与职业选择目标的差距

主要是在专业知识上，还有很大的差距。第二，是耐心做事的能力，工程师，以后的工作很可能会比较枯燥，比较复杂，这就需要我有很强的耐心，和对工作的热爱。这也需要我在今后的学习中不断努力提高。

通过沟通分析综合评估执行以形成一种理性的思维，这样明确了方向，便向成功更迈进了一步。即使今后的工作和目标相比有所偏差，也不会差距太远。还有一点就是，不能随更改自己的规划，要坚持自己的目标，勇于面对挫折。每个人心中都有一座山峰，雕刻着理想、信念、追求、抱负；每个人心中都有一片森林，承载着收获、芬芳、失意、磨砺。一个人，若要获得成功，必须拿出勇气，付出努力、拼搏、奋斗。成功，不相信眼泪；成功，不相信颓废；成功不相信幻影未来，要靠自己去打拼！

职业生涯规划2000字左右大数据技术（三）

我小时候的理想是将来做一名数学家，可惜长大了发现自己天赋不够，理想渐行渐远，于是开始考虑现实，开始做一些人生规划，我一直在思考将来从事何种职业，专注什么样的领域，重新定义着自己的职业理想。我现在的职业理想，比较简单，就是做一名数据分析师。

一、为什么要做数据分析师

在通信、互联网、金融等这些行业每天产生巨大的数据量（长期更是积累了大量丰富的数据，比如客户交易数据等等），据说到2020年，全球每年产生的数据量达到3500万亿GB；海量的历史数据是否有价值，是否可以利用为领导决策提供参考依据？随着软件工具、数据库技术、各种硬件设备的飞快发展，使得我们分析海量数据成为可能。

而数据分析也越来越受到领导层的重视，借助报表告诉用户什么已经发生了，借助OLAP和可视化工具等分析工具告诉用户为什么发生了，通过dashboard监控告诉用户现在在发生什么，通过预报告诉用户什么可能会发生。数据分析会从海量数据中提取、挖掘对业务发展有价值的、潜在的知识，找出趋势，为决策层的提供有力依据，为产品或服务发展方向起到积极作用，有力推动企业内部的科学化、信息化管理。

我们举两个通过数据分析获得成功的例子：

（1）Facebook广告与微博、SNS等网络社区的用户相联系，通过先进的数据挖掘与分析技术，为广告商提供更为精准定位的服务，该精准广告模式收到广大广告商的热捧，根据市场调研机构eMarketer的数据，Facebook年营收额超过20亿美元，成为美国最大的在线显示广告提供商。

（2）Hitwise发布会上，亚太区负责人John举例说明：亚马逊30%的销售是来自其系统自动的产品推荐，通过客户分类，测试统计，行为建模，投放优化四步，运营客户的行为数据带来竞争优势。

此外，还有好多好多，数据分析，在营销、金融、互联网等方面应用是非常广泛的：比如在营销领域，有数据库营销，精准营销，RFM分析，客户分群，销量预测等等；在金融上预测股价及其波动，套利模型等等；在互联网电子商务上面，百度的精准广告，淘宝的数据魔方等等。类似成功的案例会越来越多，以至于数据分析师也越来越受到重视。

然而，现实却是另一种情况。我们来看一个来自微博上的信息：在美国目前面临14万——19万具有数据分析和管理能力的专业人员，以及150万具有理解和决策能力（基于对海量数据的研究）的管理人员和分析人员的人才短缺。而在中国，受过专业训练并有经验的数据分析人才，未来三年，分析能力人才供需缺口将逐渐放大，高级分析人才难寻。也就是说，数据分析的需求在不断增长，然而合格的为企业做分析决策的数据分析师却寥寥无几。好多人想做数据分析却不知道如何入手，，要么不懂得如何清洗数据，直接把数据拿来就用；要么乱套模型，分析的头头是道，其实完全不是那么回事。按俗话说就是：见过猪跑，没吃过猪肉。

二、我的职业规划

对于数据分析，有一句话说的非常好：spss/sql之类的软件、决策树、时间序列之类的方法，这些仅仅就都是个工具而已，最重要的是对业务的把握。没有正确的业务理解，再牛的理论，再牛的工具，都是白搭。做一名合格的数据分析师，除了对数据需要有良好的敏感性之外，对相关业务的背景的深入了解，对客户或业务部门的需求的清晰认识。根据实际的业务发展情况识别哪些数据可用，哪些不适用，而不是孤立地在“真空环境”下进行分析。

为此，我对自己的规划如下：

第一步：掌握基本的数据分析知识（比如统计，概率，数据挖掘基础理论，运筹学等），掌握基本的数据分析软件（比如，VBA，Matlab，Spss，Sql等等），掌握基本的商业经济常识（比如宏微观经济学，营销理论，投资基础知识，战略与风险管理等等）。这些基础知识，在学校里尽量的学习，而且我来到了xx学院，这样我可以在商业分析、经济分析上面领悟到一些东西，增强我的数据分析能力。

第二步：参与各种实习。研一开始我当时虽然有课，不过很幸运的找到一份一周只需去一两天的兼职，内容是为三星做竞争对手分析，当然分析框架是leader给定了，我只是做整合资料和往ppt里填充的内容的工作，不过通过兼职，我接触到了咨询行业，也向正式员工学习了很多商业分析、思考逻辑之类的东西。之后去xx，做和VBA的事情，虽然做的事情与数据分析无关，不过在公司经常用VBA做一些自动化处理工作，为自己的数据分析工具打好了基础。

再之后去了xx，在那里兼职了一个多月，参与了大众汽车销量数据短期预测的项目，一个小项目下来，数据分析的方法流程掌握了不少，也了解了企业是如何用一些时间序列模型去参与预测的，如何选取某个拟合曲线作为预测值。现在，我来到新的地方实习，也非常幸运的参加了一个央企的码头堆场优化系统设计，其实也算数据分析的一种吧，通过码头的数据实施调度，通过码头的数据进行决策，最后写成一个可 *** 作的自动化系统。而这个项目，最重要的就是业务流程的把握，我也参与项目最初的需求调研，和制定工作任务说明书SOW，体会颇多。

第三步：第一份工作，预计3-5年。我估计会选择咨询公司或者IT公司吧，主要是做数据分析这块比较强的公司，比如Fico，埃森哲，高沃，瑞尼尔，IBM，AC等等。通过第一份工作去把自己的知识打得扎实些，学会在实际中应用所学，学会数据分析的流程方法，让自己成长起来。

第四步：去自己喜欢的一个行业，深入了解这个行业，并讲数据分析应用到这个行业里。比如我可以去电子商务做数据分析师。我觉得我选择电子商务，是因为未来必将是互联网的时代，电子商务必将取代传统商务，最显著的现象就是传统零售商老大沃尔玛正在受到亚马逊的挑战。此外，电子商务比传统的零售商具有更好的数据收集和管理能力，可以更好的跟踪用户、挖掘潜在用户、挖掘潜在商品。

第五步：未知。我暂时没有想法，不过我希望我是在一直的进步。

三、数据分析师的能力和目标

（一）能力

1、一定要懂点战略、才能结合商业。

2、一定要漂亮的presentation、才能buying。

3、一定要有globalview、才能打单。

4、一定要懂业务、才能结合市场。

5、一定要专几种工具、才能干活。

6、一定要学好、才能有效率。

7、一定要有强悍理论基础、才能入门。

8、一定要努力、才能赚钱；最重要的。

9、一定要务实、才有reputation。

（二）目标

1、做过多少个项目？

2、业务背景有哪些，是否跨行业？

3、做过多少种类型的模型？做了多少个模型？

4、基于模型做过多少次完整的marketing闭环？

我仅以此为努力之坐标，时刻提醒自己。路在前方，漫漫前行。

大学计算机科学导论论文

计算机科学与技术这一门科学深深的吸引着我们这些同学们，原先不管是国内还是国外都喜欢把这个系分为计算机软件理论、计算机系统、计算机技术与应用。后来又合到一起，变成了现在的计算机科学与技术。我一直认为计算机科学与技术这门专业，在本科阶段是不可能切分成计算机科学和计算机技术的，因为计算机科学需要相当多的实践，而实践需要技术；每一个人(包括非计算机专业)，掌握简单的计算机技术都很容易（包括原先Major们自以为得意的程序设计），但计算机专业的优势是：我们掌握许多其他专业并不"深究"的东西，例如，算法，体系结构，等等。非计算机专业的人可以很容易地做一个芯片，写一段程序，但他们做不出计算机专业能够做出来的大型系统。今天我想专门谈一谈计算机科学，并将重点放在计算理论上。

1)计算机语言

随着20世纪40年代第一台存储程序式通用电子计算机的研制成功，进入20世纪50年代后，计算机的发展步入了实用化的阶段。然而，在最初的应用中，人们普遍感到使用机器指令编制程序不仅效率低下，而且十分别扭，也不利于交流和软件维护，复杂程序查找错误尤其困难，因此，软件开发急需一种高级的类似于自然语言那样的程序设计语言。1952年，第一个程序设计语言Short Code出现。两年后，Fortran问世。作为一种面向科学计算的高级程序设计语言，Fortran的最大功绩在于牢固地树立了高级语言的地位，并使之成为世界通用的程序设计语言。Algol60的诞生是计算机语言的研究成为一门科学的标志。该语言的文本中提出了一整套的新概念，如变量的类型说明和作用域规则、过程的递归性及参数传递机制等。而且，它是第一个用严格的语法规则——巴科斯范式（BNF）定义语言文法的高级语言。程序设计语言的研究与发展在产生了一批成功的高级语言之后，其进一步的发展开始受到程序设计思想、方法和技术的影响，也开始受到程序理论、软件工程、人工智能等许多方面特别是实用化方面的影响。在“软件危机”的争论日渐平息的同时，一些设计准则开始为大多数人所接受，并在后续出现的各种高级语言中得到体现。例如，用于支持结构化程序设计的PASCAL语言，适合于军队各方面应用的大型通用程序设计语言ADA，支持并发程序设计的MODULA-2，支持逻辑程序设计的PROLOG语言，支持人工智能程序设计的LISP语言，支持面积对象程序变换的SMALLTALK、C等。而且，伴随着这些语言的出现和发展，产生了一大批为解决语言的编译和应用中所出现的问题而发展的理论、方法和技术。有大量的学术论文可以证明，由高级语言的发展派生的各种思想、方法、理论和技术触及到了计算机科学的大多数学科方向，但内容上仍相对集中在语言、计算模型和软件开发方法学方面。

(2)计算机模型与软件开发方法

20世纪80年代是计算机网络、分布式处理和多媒体大发展的时期。在各种高级程序设计语言中增加并发机构以支持分布式程序设计，在语言中通过扩展绘图子程序以支持计算机图形学程序设计成为当时程序设计语言的一种时尚。之后，在模数/数模转换等接口技术和数据库技术的支持下，通过扩展高级语言的程序库又实现了多媒体程序设计的构想。进入20世纪90年代之后，并行计算机和分布式大规模异质计算机网络的发展又将并行程序设计语言、并行编译程序、并行 *** 作系统、并行与分布式数据库系统等试行软件的开发的关键技术依然与高级语言和计算模型密切相关，如各种并行、并发程序设计语言，进程代数，PETRI网等，它们正是软件开发方法和技术的研究中支持不同阶段软件开发的程序设计语言和支持这些软件开发方法和技术的理论基础——计算模型。

(3)计算机应用

用计算机来代替人进行计算，就得首先研究计算方法和相应的计算机算法，进而编制计算机程序。由于早期计算机的应用主要集中在科学计算领域，因此，数值计算方法就成为最早的应用数学分支与计算机应用建立了联系。最初的时候，由于计算机的存储器容量很小，速度也不快，为了计算一些稍稍大一点的题目，人们常常要挖空心思研究怎样节省存储单元，怎样减少不需要的 *** 作。为此，发展了像稀疏矩阵计算理论来进行方程组的求解；发展了杂凑函数来动态地存储、访问数据；发展了虚拟程序设计思想和程序覆盖技术在内存较小的计算机上运行较大的程序；在子程序和程序包的概念提出之后，许多人开始将数学中的一些通用计算公式和计算方法写成子程序，并进一步开发成程序包，通过简洁的调用命令向用户开放。子程序的提出是今日软件重用思想的开端。

在计算机应用领域，科学计算是一个长久不衰的方向。该方向主要依赖于应用数学中的数值计算的发展，而数值计算的发展也受到来自计算机系统结构的影响。早期，科学计算主要在单机上进行，经历了从小规模数值分析到中大规模数值分析的阶段。随着并行计算机和分布式并行计算机的出现，并行数值计算开始成为科学计算的热点，处理的问题也从中大规模数值分析进入到中大规模复杂问题的计算。所谓中大规模复杂问题并不是由于数据的增大而使计算变得困难，使问题变得复杂，而主要是由于计算中考虑的因素太多，特别是一些因素具有不确定性而使计算变得困难，使问题变得复杂，其结果往往是在算法的研究中精度与复杂性的矛盾难于克服。

几何是数学的一个分支，它实现了人类思维方式中的数形结合。在计算机发明之后，人们自然很容易联想到了用计算机来处理图形的问题，由此产生了计算机图形学。计算机图形学是使用计算机辅助产生图形并对图形进行处理的科学。并由此推动了计算机辅助设计（CAD）、计算机辅助教学（CAI）、计算机辅助信息处理、计算机辅助测试（CAT）等方向的发展。

在各种实际应用系统的开发中，有一个重要的方向值得注意，即实时系统的开发。

利用计算机证明数学定理被认为是人工智能的一个方向。人工智能的另一个方向是研究一种不依赖于任何领域的通用解题程序或通用解题系统，称为GPS。特别值得一提的是在专家系统的开发中发展了一批新的技术，如知识表示方法、不精确性推理技术等，积累了经验，加深了对人工智能的认识。20世纪70年代末期，一部分学者认识到了人工智能过去研究工作基础的薄弱，开始转而重视人工智能的逻辑基础研究，试图从总结和研究人类推理思维的一般规律出发去研究机器思维，并于1980年在《Artificial Intelligence》发表了一组非单调逻辑的研究论文。他们的工作立即得到一大批计算机科学家的响应，非单调逻辑的研究很快热火朝天地开展起来，人工智能的逻辑基础成为人工智能方向发展的主流。

数据库技术、多媒体技术、图形学技术等的发展产生了两个新方向，即计算可视化技术与虚拟现实技术。

随着计算机网络的发展，分布在全世界的各种计算机正在以惊人的速度相互连接起来。网络上每天都在进行着大量政治、经济、军事、外交、商贸、科学研究与艺术信息的交换与交流。网络上大量信息的频繁交换，虽然缩短了地域之间的距离，然而同时也使各种上网的信息资源处在一种很难设防的状态之中。于是，计算机信息安全受到各国政府的高度重视。除了下大力气研究对付计算机病毒的软硬件技术外，由于各种工作中保密的需要，计算机密码学的研究更多地受到各国政府的重视。

实际上，在计算机科学中计算机模型和计算机理论与实现技术同样重要。但现在许多学生往往只注重某些计算机 *** 作技术，而忽略了基础理论的学习，并因为自己是“ *** 作高手”而沾沾自喜，这不仅限制了自己将研究工作不断推向深入，而且有可能使自己在学科发展中处于被动地位。例如，在20世纪50年代和20世纪60年代，我国随着计算机研制工作和软件开发工作的发展，陆续培养了在计算机制造和维护中对计算机某一方面设备十分精通的专家，他们能准确地弄清楚磁芯存储器、磁鼓、运算器、控制器，以及整机线路中哪一部分有问题并进行修理和故障排除，能够编制出使用最少存储单元而运算速度很快的程序，对机器代码相当熟悉。但是，当容量小的磁芯存储器、磁鼓、速度慢的运算器械、控制器很快被集成电路替代时，当程序设计和软件开发广泛使用高级语言、软件开发工具和新型软件开发方法后，这批技术精湛的专家，除少量具有坚实的数学基础、在工作中已有针对性地将研究工作转向其他方向的人之外，相当一部分专家伴随着新技术的出现，在替代原有技术的发展过程中而被淘汰。因此，在计算机科学中，计算比实现计算的技术更重要。只有打下坚实的理论基础，特别是数学基础，学习计算机科学技术才能事半功倍，只有建立在高起点理论基础之上的计算机科学技术，才有巨大的潜力和发展前景。

计算机理论的一个核心问题

我国计算机科学系里的传统是培养做学术研究，尤其是理论研究的人（方向不见得有多大的问题，但是做得不是那么尽如人意）。而计算机的理论研究，说到底了，如网络安全学，图形图像学，视频音频处理，哪个方向都与数学有着很大的关系，虽然也许是正统数学家眼里非主流的数学。这里我还想阐明我的一个观点：我们都知道，数学是从实际生活当中抽象出来的理论，人们之所以要将实际抽象成理论，目的就在于想用抽象出来的理论去更好的指导实践，有些数学研究工作者喜欢用一些现存的理论知识去推导若干条推论，殊不知其一：问题考虑不全很可能是个错误的推论，其二：他的推论在现实生活中找不到原型，不能指导实践。严格的说，我并不是一个理想主义者，政治课上学的理论联系实际一直是指导我学习科学文化知识的航标（至少我认为搞计算机科学与技术的应当本着这个方向）。

我个人的浅见是：计算机系的学生，对数学的要求固然跟数学系不同，跟物理类差别则更大。通常非数学专业的所高等数学"，无非是把数学分析中较困难的理论部分删去，强调套用公式计算而已。而对计算机系来说，数学分析里用处最大的恰恰是被删去的理论部分。记上一堆曲面积分的公式，难道就能算懂了数学？那倒不如现用现查，何必费事记呢？再不然直接用Mathematica或是Matlab好了。退一万步。华罗庚在数学上的造诣不用我去多说，但是他这光辉的一生做得我认为对我们来说，最重要的几件事情：首先是它筹建了中国科学院计算技术研究所，这是我们国家计算机科学的摇篮。在有就是他把很多的高等数学理论都交给了做工业生产的技术人员，推动了中国工业的进步。第三件就是他一生写过很多书，但是对高校师生价值更大的就是他在病期间在病床上和他的爱徒王元写了《高等数学引论》（王元与其说是他的爱徒不如说是他的同事，是中科院数学所的老一辈研究员，对歌德巴赫猜想的贡献全世界仅次于陈景润）这书在我们的图书馆里居然找得到，说实话，当时那个书上已经长了虫子，别人走到那里都会闪开，但我却格外感兴趣，上下两册看了个遍，我的最大收获并不在于理论的阐述，而是在于他的理论完全的实例化，在生活中去找模型。这也是我为什么比较喜欢具体数学的原因，正如我在上文中提到的，理论脱离了实践就失去了它存在的意义。正因为理论是从实践当中抽象出来的，所以理论的研究才能够更好的指导实践，不用于指导实践的理论可以说是毫无价值的。

正如上面所论述的，计算机系的学生学习高等数学：知其然更要知其所以然。你学习的目的应该是：将抽象的理论再应用于实践，不但要掌握题目的解题方法，更要掌握解题思想，对于定理的学习：不是简单的应用，而是掌握证明过程即掌握定理的由来，训练自己的推理能力。只有这样才达到了学习这门科学的目的，同时也缩小了我们与数学系的同学之间思维上的差距。

关于计算机技术的学习我想是这样的：学校开设的任何一门科学都有其滞后性，不要总认为自己掌握的某门技术就已经是天下无敌手了，虽然现在Java,VB,C,C++用的都很多，怎能保证没有被淘汰的一天，我想NET平台的诞生和X#语言的初见端倪完全可以说明问题。换言之，在我们掌握一门新技术的同时就又有更新的技术产生，身为当代的大学生应当有紧跟科学发展的素质。举个例子，就像有些同学总说，我做网页设计就喜欢直接写html，不愿意用什么Frontpage,Dreamweaver。能用语言写网页固然很好，但有高效的手段你为什么不使呢？仅仅是为了显示自己的水平高，unique 我看真正水平高的是能够以最快的速度接受新事物的人。高级程序设计语言的发展日新月异，今后的程序设计就像人们在说话一样，我想大家从xml中应是有所体会了。难道我们真就写个什么都要用汇编，以显示自己的水平高，真是这样倒不如直接用机器语言写算了。反过来说，想要以最快的速度接受并利用新技术关键还是在于你对计算机科学地把握程度。

总的来说，从教育角度来讲，国内高校的课程安排不是很合理，强调理论，又不愿意在理论上深入教育，无力接受新技术，想避开新技术又无法避得一干二净。我觉得关键问题就是国内的高校难于突破现状，条条框框限制着怎么求发展。我们虽然认识得到国外教育的优越性，但为什么迟迟不能采取行动？哪怕是去粗取精的取那么一点点。

课程如下：

函授计算机专业入学考政治、外语和高等数学，经院校录取入学后主要学习专业课程，比如计算机科学与技术专业考DirectX程序设计、Windows可视化编程、网络技术与应用、并行程序设计、Python编程基础、网络爬虫与信息提取、计算机科学导论、数据库应用系统设计、数据库技术与程序设计等课程

以上就是关于大数据专业主要课程全部的内容，包括:大数据专业主要课程、职业生涯规划2000字左右大数据技术、计算机导论论文等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！