大數(shù)據(jù)管理與應用專業(yè)、數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)雖然屬于不同學科，但是基礎通識課和核心課部分課程是類似的，一個培養(yǎng)經(jīng)濟、管理思維大數(shù)據(jù)人才，一個是培養(yǎng)大數(shù)據(jù)挖掘、大數(shù)據(jù)算法技術(shù)類人才。
大數(shù)據(jù)管理與應用專業(yè)、數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)《通識公共基礎課》：

• 《社會主義理論與實踐》
• 《大學英語》《專業(yè)英語》
• 《毛概鄧倫馬克思主義》
• 《高等數(shù)學》
• 《線性代數(shù)》
• 《微積分》
• 《概率論與數(shù)理統(tǒng)計》

數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)《技術(shù)基礎課》：

• 《計算機數(shù)據(jù)通信技術(shù)》：網(wǎng)絡七層模型、靜態(tài)路由、動態(tài)路由協(xié)議OSPF、NAT、ACL、VRRP、DHCP等網(wǎng)絡通信技術(shù)；
• 《數(shù)據(jù)庫原理與應用》?
• 《計算機操作系統(tǒng)-Linux常用運維基礎》：Linux基本操作、Linux上服務器搭建與運維等；
• 《云計算技術(shù)》：云計算基礎、計算虛擬化、存儲虛擬化、大數(shù)據(jù)分布式存儲技術(shù)、云服務模式IaaS/PaaS/SaaS部署與運維等；
• 《大數(shù)據(jù)存儲技術(shù)》《大數(shù)據(jù)導論》

數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)【核心課程】（建議考華為（HCIE大數(shù)據(jù)挖掘技術(shù)專家）認證）：

• 《數(shù)據(jù)科學原理與系統(tǒng)架構(gòu)》含：Hadoop、Spark、NoSQL、R語言介紹
• 《大數(shù)據(jù)程序設計-Python編程語言設計》
• 《Hadoop大數(shù)據(jù)集群存儲處理技術(shù)》
• 《大數(shù)據(jù)算法基礎與數(shù)理統(tǒng)計》
• 《Python大數(shù)據(jù)挖掘分析與處理》含：大數(shù)據(jù)采集、網(wǎng)絡爬蟲等
• 《大數(shù)據(jù)建模與機器學習算法》
• 《大數(shù)據(jù)預處理與大數(shù)據(jù)可視化》
• 《機器學習與大數(shù)據(jù)挖掘分析案例實訓》
• 《文本挖掘分析》或《數(shù)據(jù)分析白皮書》（選修）
• 《自然語言處理》（選修）

大數(shù)據(jù)管理與應用專業(yè)【商業(yè)管理通識課程】包括：

• 《微觀經(jīng)濟學》
• 《宏觀經(jīng)濟學》
• 《計量經(jīng)濟學》
• 《管理經(jīng)濟學》
• 《市場營銷》
• 《管理統(tǒng)計學》
• 《運籌學》或《數(shù)據(jù)模型與決策》
• 《戰(zhàn)略管理》或《商業(yè)管理決策》

大數(shù)據(jù)管理與應用專業(yè)【核心課程】（非985或非211大學建議大四考華為（HCIE大數(shù)據(jù)分析與管理專家）認證）：

• 《信息管理系統(tǒng)》
• 《大數(shù)據(jù)導論》或《數(shù)據(jù)科學原理》
• 《大數(shù)據(jù)程序設計-Python編程》（注意：未來掌握1門編程語言將是智能時代的1把工具，就像你要學會開車一樣）
• 《搜索引擎商業(yè)分析》《文本挖掘商務數(shù)據(jù)分析》
• 《商務智能大數(shù)據(jù)與統(tǒng)計機器學習》（難度比大數(shù)據(jù)技術(shù)專業(yè)要低）
• 《大數(shù)據(jù)可視化應用》
• 《金融數(shù)據(jù)管理應用》
• 《大數(shù)據(jù)管理與治理》

大數(shù)據(jù)挖掘工程師、機器學習算法工程師崗位要求：

• 1、具有責任心，有較強的鉆研學習能力，較好的溝通能力、團隊合作，有超過3年大數(shù)據(jù)分析、挖掘、算法經(jīng)驗；
• 2、有大數(shù)據(jù)處理實戰(zhàn)經(jīng)驗，熟悉整個大數(shù)據(jù)的完整處理流程，包括數(shù)據(jù)的采集、清洗、預處理、存儲、分析挖掘和數(shù)據(jù)可視化；
• 3、掌握ETL相關經(jīng)驗，有數(shù)據(jù)庫建模經(jīng)驗，靈活運用SQL實現(xiàn)數(shù)據(jù)ETL加工處理；
• 4、熟悉數(shù)據(jù)倉庫建設相關的技術(shù)棧，例如：Hive，Hadoop、Spark，F(xiàn)lume，Kafka等多項大數(shù)據(jù)處理技術(shù)；
• 5、掌握Python、R、SAS、SPSS等數(shù)據(jù)挖掘技術(shù)及算法應用實踐，如：LS線性回歸、LS邏輯回歸、SVM支持向量機、決策樹、聚類、Apriori、FP-Growth、PrefixSpan、神經(jīng)網(wǎng)絡等算法；
• 6、理解大數(shù)據(jù)處理（流計算、分布式計算、分布式文件系統(tǒng)、分布式存儲）等相關技術(shù)和實現(xiàn)方法。

廣西已開設《數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)》專業(yè)院校（廣西區(qū)內(nèi)高校教師的人工智能、大數(shù)據(jù)師資目前還比較差，而且大學課程偏基礎，建議還是通過外面培訓學習大數(shù)據(jù)挖掘、大數(shù)據(jù)管理課程）：

• 桂林電子科技大學-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)、大數(shù)據(jù)管理與應用
• 廣西科技大學-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 桂林理工大學-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 廣西財經(jīng)學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 廣西師范大學-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 廣西師范大學漓江學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 南寧師范大學-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 玉林師范學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 桂林航天工業(yè)學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 桂林旅游學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 南寧學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 賀州學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 梧州學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 河池學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 百色學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 廣西科技師范學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 廣西警察學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)
• 南寧師范大學師園學院-數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)

以下985高?；?11大學已開設《數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)》專業(yè)（不一一列舉）：

• 清華大學
• 北京大學（第一批）
• 中國人民大學
• 中國科學技術(shù)大學
• 南京大學
• 復旦大學
• 上海交通大學
• 西安交通大學
• 浙江大學
• 哈爾濱工業(yè)大學
• 南開大學
• 天津大學
• 東南大學
• 華中科技大學
• 武漢大學
• 廈門大學
• 山東大學
• 湖南大學
• 中國海洋大學
• 中南大學（第一批）
• 吉林大學
• 北京理工大學
• 大連理工大學
• 北京航空航天大學
• 重慶大學
• 電子科技大學
• 四川大學
• 華南理工大學
• 中山大學
• 蘭州大學
• 東北大學
• 西北工業(yè)大學
• 同濟大學
• 北京師范大學
• 中國農(nóng)業(yè)大學
• 國防科技大學
• 中央民族大學
• 華東師范大學
• 西北農(nóng)林科技大學
• 對外經(jīng)濟貿(mào)易大學211（第一批）

數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)（簡稱大數(shù)據(jù)專業(yè)）的，目前開設數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)的高校不低于400所，而大數(shù)據(jù)管理與應用專業(yè)的高校已經(jīng)有30所以上。
?
就算有一些高校已經(jīng)開設了大數(shù)據(jù)專業(yè)，但是目前能講《數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)》課程的師資能力有限，Hadoop、NoSQL、Python、Spark編程、機器學習、數(shù)據(jù)挖掘與分析等新技術(shù)知識，對于很多教授老師根本就沒有學習過、沒有實踐過和沒有應用過，所以要能講好還是有局限性的，之前給我們單位做大數(shù)據(jù)培訓的蒙老師講得不錯“數(shù)據(jù)和信息，本身只是一種量級現(xiàn)象，大數(shù)據(jù)分析的價值就在于發(fā)現(xiàn)表象之下的關聯(lián)和本質(zhì)，并以此幫助人們做出更加正確的選擇或幫助企業(yè)做出商業(yè)決策。”

大學專業(yè)只是讓你知道某個知識是個什么概念、模式、應用場景， 靠大學里專業(yè)的課程應付工作很困難（一些校企合作課程還是比較容易適應工作場景的），和跨專業(yè)的人比起來，唯一的優(yōu)勢就是知道這是什么，需要的是在工作中或者業(yè)余時間繼續(xù)努力的程度，多關注一些大型科技公司對這些知識的應用或認證，不一定是技術(shù)本身，還包括技術(shù)以外的東西。

大數(shù)據(jù)一般學習以下核心內(nèi)容：一般處理T+1數(shù)據(jù)（T：可能是1天、一周、一個月、一年）

? ? a、Hadoop ：一般不選用最新版本，踩坑難解決
? ? ? ? （common、HDES、MapReduce、YARN）
? ? ? ? 環(huán)境搭建、處理數(shù)據(jù)的思想
? ? b、Hive：大數(shù)據(jù)的數(shù)據(jù)倉庫
? ? ? ? 通過寫SQL對數(shù)據(jù)進行操作，類似于MySQL數(shù)據(jù)庫的sql
? ? c、HBase：基于HDFS的NOSQL數(shù)據(jù)庫
? ? ? ? 面向列存儲
? ? d、協(xié)作框架：
? ? ? ? sqoop（橋梁：HDFS《==》RDBMS）
? ? ? ? flume：搜集日志文件中的信息
? ? e、調(diào)度框架
? ? ? ? anzkaban
? ? ? ? 了解：crotab（Linux自帶）
? ? ? ? zeus（Alibaba）
? ? ? ? Oozie（cloudera）
? ? f、前沿框架擴展：
? ? ? ? ? ? kylin、impala、ElasticSearch（ES）

大數(shù)據(jù)實時分析

? ? 以spark框架為主
? ? Scala：OOP（面向?qū)ο蟪绦蛟O計）+FP（函數(shù)是程序設計）
? ? sparkCore：類比MapReduce
? ? sparkSQL：類比hive
? ? sparkStreaming：實時數(shù)據(jù)處理
? ? kafka：消息隊列
? ? 前沿框架擴展：flink
? ? ? ? 阿里巴巴：blink

大數(shù)據(jù)挖掘機器學習方向：

spark MLlib：機器學習庫
pyspark編程：Python和spark的結(jié)合
大數(shù)據(jù)推薦系統(tǒng)
大數(shù)據(jù)挖掘算法
python數(shù)據(jù)分析
python機器學習

人工智能對從業(yè)人員的素質(zhì)要求很高，數(shù)學水平和編程水平是兩個必須逾越的坎，目前市面上很多工作都是碩士起步。如果你真心想要在這行有大發(fā)展，良好的基礎是必須的，以下是人工智能專業(yè)課程：

（1）計算機科學知識：數(shù)據(jù)結(jié)構(gòu)和算法、Linux操作系統(tǒng)、計算機組成原理、計算機網(wǎng)絡通信技術(shù)、云計算基礎、數(shù)據(jù)庫等；（大一大二課程）
（2）基礎數(shù)學：高等數(shù)學、微積分、線性代數(shù)、概率論、運籌學、凸優(yōu)化等；（大一大二課程）
（3）至少一門編程語言：Python、C++或Java等（大三課程）
（4）人工智能知識：Tensorflow、機器學習、深度學習框架PyTorch、機器學習框架Sk-learn、神經(jīng)網(wǎng)絡等；（大四或研究生課程）

但是，由于目前很多傻瓜化的工具出現(xiàn)，在大部分的業(yè)務場景下只需要一些很簡單的代碼就可以搞定。

華為大數(shù)據(jù)挖掘認證覆蓋《數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)專業(yè)》核心課程，華為大數(shù)據(jù)分析與管理專家覆蓋《大數(shù)據(jù)管理與應用》核心課程。
?
華為HCIE大數(shù)據(jù)挖掘?qū)＜摇⑷A為HCIE大數(shù)據(jù)分析與管理專家認證需要經(jīng)過華為公司三個面試官的輪番面試、追問，所以不僅考場一個考生的知識，還有表達，以及一些項目相關實踐經(jīng)驗（目前全國HCIE大數(shù)據(jù)挖掘認證、大數(shù)據(jù)分析與管理專家認證人數(shù)不到100人）。

華為HCNA-Bigdata大數(shù)據(jù)認證考試大綱：
第01章 大數(shù)據(jù)行業(yè)與技術(shù)趨勢
1.大數(shù)據(jù)時代
2.大數(shù)據(jù)的應用領域
3.大數(shù)據(jù)時代的機遇和挑戰(zhàn)
4.華為大數(shù)據(jù)解決方案
第02章 HDFS分布式文件系統(tǒng)技術(shù)
1.HDFS概述及應用場景
2.HDFS在FusionInsight HD產(chǎn)品的位置
3.HDFS系統(tǒng)架構(gòu)
4.關鍵特性介紹
第03章 MapReduce分布式離線批處理和Yarn資源協(xié)調(diào)
1.MapReduce和Yarn基本介紹
2.MapReduce和Yarn功能與架構(gòu)
3.Yarn的資源管理和任務調(diào)度
4.增強特性
第04章 Spark2x基于內(nèi)存的分布式計算
1.Spark概述
2.Spark原理與架構(gòu)
3.Spark在FusionInsight HD中的集成情況
第05章 HBase分布式NoSQL數(shù)據(jù)庫
1.HBase 基本介紹
2.HBase 功能與架構(gòu)
3.HBase 關鍵流程
4.HBase 華為增強特性
第06章 Hive分布式數(shù)據(jù)倉庫
1.Hive概述
2.Hive功能與架構(gòu)
3.Hive基本操作
第07章 Streaming分布式流計算引擎
1.Streaming簡介
2.系統(tǒng)架構(gòu)
3.關鍵特性介紹
4.StreamCQL介紹
第08章 Flink流計算處理和批處理平臺
1.Flink概述
2.Flink原理與技術(shù)架構(gòu)
3.Flink在FusionInsight HD中的集成情況
第09章 Loader數(shù)據(jù)轉(zhuǎn)換
1.Loader簡介
2.Loader作業(yè)管理
第10章 Flume海量日志聚合
1.Flume簡介及架構(gòu)
2.Flume關鍵特性介紹
3.Flume應用舉例
第11章 Kafka分布式消息訂閱系統(tǒng)
1.Kafka簡介
2.Kafka架構(gòu)與功能
3.Kafka關鍵流程
第12章 ZooKeeper集群分布式協(xié)調(diào)服務
1.ZooKeeper簡介
2.ZooKeeper在FusionInsight HD產(chǎn)品的位置
3.系統(tǒng)架構(gòu)
4.關鍵特性介紹
5.與組件的關系
第13章 FusionInsight HD 解決方案介紹
1.FusionInsight HD 企業(yè)版概述
2.FusionInsight HD 特性介紹
3.FusionInsight HD 成功案例