• <optgroup id="ruysl"></optgroup>
  • <span id="ruysl"><blockquote id="ruysl"></blockquote></span>

  • <track id="ruysl"></track>

            <optgroup id="ruysl"><li id="ruysl"></li></optgroup>
          1. <optgroup id="ruysl"><li id="ruysl"></li></optgroup>
            <sub id="ruysl"></sub>
            <track id="ruysl"><em id="ruysl"><del id="ruysl"></del></em></track>
          2. <ol id="ruysl"><blockquote id="ruysl"></blockquote></ol>
            <optgroup id="ruysl"></optgroup>

          3. <acronym id="ruysl"></acronym><optgroup id="ruysl"></optgroup>

            廣西大學大數據專業怎么樣?大數據管理專業學哪些課程?就業如何?

            近些年來,云計算和大數據技術比較火熱,本人想報讀云計算與大數據類專業,請問廣西大學大數據專業怎么樣?廣西大學數據科學與大數據技術專業、大數據管理與應用是一個專業嗎?大數據管理與應用專業是工學學位還是管理學學位?
            ?
            廣西大學大數據專業隸屬廣西大學哪個學院的?廣西大學大數據管理與應用是歸屬哪個學院?數據科學與大數據技術專業要學習哪些課程?大數據管理與應用、數據科學與大數據技術有什么區別?數據科學與大數據技術專業可以考取哪些專業方向的證書?
            廣西大學數據大數據專業大數據管理專業.jpg
            已邀請:

            貌似高手 - 廣西廣電網絡大數據工程師

            贊同來自:

            廣西大學《數據科學與大數據技術專業》應該還在申請審批過程中,一般《數據科學與大數據技術專業》隸屬于計算機信息類學院,《大數據管理與應用專業》是廣西大學商學院或經濟管理類學院下招生的管理學本科專業。


            因為《數據科學與大數據技術專業》是工學學位,而《大數據管理與應用專業》是管理學學位。


            數據科學與大數據技術專業【就業方向】:


            1、大數據系統研發工程師(國內有這個需求就那么幾十家大公司,一般以海龜、985本碩博、211碩博為主)【一般不是大數據職業認證證書來認可的】;
            2、大數據平臺應用開發工程師(基于開源大數據平臺二次開發的,一般以985、部分211院校為主)【一般不是大數據職業認證證書來認可的】;
            3、大數據分析師、大數據挖掘工程師、大數據建模算法工程師(以部分非強項CS學院211、二本、三本院校學生為主力軍)【建議考HCIE大數據認證來作為行業認可的敲門磚】;
            4、大數據應用技術運維工程師-通俗點就是Web可視化、應用可視化操作運維,跟大數據HCIA有一定關聯(以高職院校學生為主);
            5、大數據商業與管理崗位:熟悉大數據業務、運營、管理的晉升崗位(偏向大數據管理與商業應用)。


            大數據系統研發工程師、大數據平臺應用開發工程師一般是985高校、211碩士不用通過大數據職業認證證書來認可的,而大數據分析師、大數據挖掘工程師、大數據建模算法工程師、大數據應用技術運維工程師可以通過大數據職業認證培訓(比如:華為HCIE大數據挖掘認證)來提升自己(因為這些大學課堂學的知識比較有限)。
            比如:


            華為大數據開發高級工程師(HCIP-Big Data Developer);
            華為大數據運維高級工程師(HCIP-Big Data Operation & Maintenance);
            華為大數據挖掘專家(HCIE-Big Data-Data Mining);
            華為大數據分析與管理專家(HCIE-Big Data-Data Analysis & Management);

            林肯公園 - 廣西云寶寶大數據公司

            贊同來自:

            大數據管理與應用專業、數據科學與大數據技術專業雖然屬于不同學科,但是基礎通識課和核心課部分課程是類似的,一個培養經濟、管理思維大數據人才,一個是培養大數據挖掘、大數據算法技術類人才。
            大數據管理與應用專業、數據科學與大數據技術專業《通識公共基礎課》:
            • 《社會主義理論與實踐》
            • 《大學英語》《專業英語》
            • 《毛概鄧倫馬克思主義》
            • 《高等數學》
            • 《線性代數》
            • 《微積分》
            • 《概率論與數理統計》

            數據科學與大數據技術專業《技術基礎課》:
            • 《計算機數據通信技術》:網絡七層模型、靜態路由、動態路由協議OSPF、NAT、ACL、VRRP、DHCP等網絡通信技術;
            • 《數據庫原理與應用》?
            • 《計算機操作系統-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》:云計算基礎、計算虛擬化、存儲虛擬化、大數據分布式存儲技術、云服務模式IaaS/PaaS/SaaS部署與運維等;
            • 《大數據存儲技術》《大數據導論》

            數據科學與大數據技術專業【核心課程】(建議考華為(HCIE大數據挖掘技術專家)認證):
            • 《數據科學原理與系統架構》含:Hadoop、Spark、NoSQL、R語言介紹
            • 《大數據程序設計-Python編程語言設計》
            • 《Hadoop大數據集群存儲處理技術》
            • 《大數據算法基礎與數理統計》
            • 《Python大數據挖掘分析與處理》含:大數據采集、網絡爬蟲等
            • 《大數據建模與機器學習算法》
            • 《大數據預處理與大數據可視化》
            • 《機器學習與大數據挖掘分析案例實訓》
            • 《文本挖掘分析》或《數據分析白皮書》(選修)
            • 《自然語言處理》(選修)

            大數據管理與應用專業【商業管理通識課程】包括:
            • 《微觀經濟學》
            • 《宏觀經濟學》
            • 《計量經濟學》
            • 《管理經濟學》
            • 《市場營銷》
            • 《管理統計學》
            • 《運籌學》或《數據模型與決策》
            • 《戰略管理》或《商業管理決策》

            大數據管理與應用專業【核心課程】(非985或非211大學建議大四考華為(HCIE大數據分析與管理專家)認證):
            • 《信息管理系統》
            • 《大數據導論》或《數據科學原理》
            • 《大數據程序設計-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)
            • 《搜索引擎商業分析》《文本挖掘商務數據分析》
            • 《商務智能大數據與統計機器學習》(難度比大數據技術專業要低)
            • 《大數據可視化應用》
            • 《金融數據管理應用》
            • 《大數據管理與治理》

            大數據挖掘工程師、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年大數據分析、挖掘、算法經驗;
            • 2、有大數據處理實戰經驗,熟悉整個大數據的完整處理流程,包括數據的采集、清洗、預處理、存儲、分析挖掘和數據可視化;
            • 3、掌握ETL相關經驗,有數據庫建模經驗,靈活運用SQL實現數據ETL加工處理;
            • 4、熟悉數據倉庫建設相關的技術棧,例如:Hive,Hadoop、Spark,Flume,Kafka等多項大數據處理技術;
            • 5、掌握Python、R、SAS、SPSS等數據挖掘技術及算法應用實踐,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、神經網絡等算法;
            • 6、理解大數據處理(流計算、分布式計算、分布式文件系統、分布式存儲)等相關技術和實現方法。

            ltyfdhl

            贊同來自:

            廣西已開設《數據科學與大數據技術》專業院校(廣西區內高校教師的人工智能、大數據師資目前還比較差,而且大學課程偏基礎,建議還是通過外面培訓學習大數據挖掘、大數據管理課程):
            • 桂林電子科技大學-數據科學與大數據技術、大數據管理與應用
            • 廣西科技大學-數據科學與大數據技術
            • 桂林理工大學-數據科學與大數據技術
            • 廣西財經學院-數據科學與大數據技術
            • 廣西師范大學-數據科學與大數據技術
            • 廣西師范大學漓江學院-數據科學與大數據技術
            • 南寧師范大學-數據科學與大數據技術
            • 玉林師范學院-數據科學與大數據技術
            • 桂林航天工業學院-數據科學與大數據技術
            • 桂林旅游學院-數據科學與大數據技術
            • 南寧學院-數據科學與大數據技術
            • 賀州學院-數據科學與大數據技術
            • 梧州學院-數據科學與大數據技術
            • 河池學院-數據科學與大數據技術
            • 百色學院-數據科學與大數據技術
            • 廣西科技師范學院-數據科學與大數據技術
            • 廣西警察學院-數據科學與大數據技術
            • 南寧師范大學師園學院-數據科學與大數據技術

            以下985高?;?11大學已開設《數據科學與大數據技術》專業(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
            • 西北工業大學
            • 同濟大學
            • 北京師范大學
            • 中國農業大學
            • 國防科技大學
            • 中央民族大學
            • 華東師范大學
            • 西北農林科技大學
            • 對外經濟貿易大學211(第一批)

            舒心妍 - 廣西億康藥業股份有限公司

            贊同來自:

            數據科學與大數據技術專業(簡稱大數據專業)的,目前開設數據科學與大數據技術專業的高校不低于400所,而大數據管理與應用專業的高校已經有30所以上。
            ?
            就算有一些高校已經開設了大數據專業,但是目前能講《數據科學與大數據技術專業》課程的師資能力有限,Hadoop、NoSQL、Python、Spark編程、機器學習、數據挖掘與分析等新技術知識,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據培訓的蒙老師講得不錯“數據和信息,本身只是一種量級現象,大數據分析的價值就在于發現表象之下的關聯和本質,并以此幫助人們做出更加正確的選擇或幫助企業做出商業決策。


            大學專業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),和跨專業的人比起來,唯一的優勢就是知道這是什么,需要的是在工作中或者業余時間繼續努力的程度,多關注一些大型科技公司對這些知識的應用或認證,不一定是技術本身,還包括技術以外的東西。

            雨薇 - 桂林銀行股份有限公司

            贊同來自:

            大數據一般學習以下核心內容:一般處理T+1數據(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)
            ? ? ? ? 環境搭建、處理數據的思想
            ? ? b、Hive:大數據的數據倉庫
            ? ? ? ? 通過寫SQL對數據進行操作,類似于MySQL數據庫的sql
            ? ? c、HBase:基于HDFS的NOSQL數據庫
            ? ? ? ? 面向列存儲
            ? ? d、協作框架:
            ? ? ? ? sqoop(橋梁:HDFS《==》RDBMS)
            ? ? ? ? flume:搜集日志文件中的信息
            ? ? e、調度框架
            ? ? ? ? anzkaban
            ? ? ? ? 了解:crotab(Linux自帶)
            ? ? ? ? zeus(Alibaba)
            ? ? ? ? Oozie(cloudera)
            ? ? f、前沿框架擴展:
            ? ? ? ? ? ? kylin、impala、ElasticSearch(ES)


            大數據實時分析


            ? ? 以spark框架為主
            ? ? Scala:OOP(面向對象程序設計)+FP(函數是程序設計)
            ? ? sparkCore:類比MapReduce
            ? ? sparkSQL:類比hive
            ? ? sparkStreaming:實時數據處理
            ? ? kafka:消息隊列
            ? ? 前沿框架擴展:flink
            ? ? ? ? 阿里巴巴:blink


            大數據挖掘機器學習方向:


            spark MLlib:機器學習庫
            pyspark編程:Python和spark的結合
            大數據推薦系統
            大數據挖掘算法
            python數據分析
            python機器學習

            飛虎隊彪哥 - 南寧桂研種業有限責任公司

            贊同來自:

            人工智能對從業人員的素質要求很高,數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展,良好的基礎是必須的,以下是人工智能專業課程:


            (1)計算機科學知識:數據結構和算法、Linux操作系統、計算機組成原理、計算機網絡通信技術、云計算基礎、數據庫等;(大一大二課程)
            (2)基礎數學:高等數學、微積分、線性代數、概率論、運籌學、凸優化等;(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、神經網絡等;(大四或研究生課程)


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

            華為大數據挖掘認證覆蓋《數據科學與大數據技術專業》核心課程,華為大數據分析與管理專家覆蓋《大數據管理與應用》核心課程。
            ?
            華為HCIE大數據挖掘專家、華為HCIE大數據分析與管理專家認證需要經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驗(目前全國HCIE大數據挖掘認證、大數據分析與管理專家認證人數不到100人)。

            雨薇 - 桂林銀行股份有限公司

            贊同來自:

            華為HCNA-Bigdata大數據認證考試大綱:
            第01章 大數據行業與技術趨勢
            1.大數據時代
            2.大數據的應用領域
            3.大數據時代的機遇和挑戰
            4.華為大數據解決方案
            第02章 HDFS分布式文件系統技術
            1.HDFS概述及應用場景
            2.HDFS在FusionInsight HD產品的位置
            3.HDFS系統架構
            4.關鍵特性介紹
            第03章 MapReduce分布式離線批處理和Yarn資源協調
            1.MapReduce和Yarn基本介紹
            2.MapReduce和Yarn功能與架構
            3.Yarn的資源管理和任務調度
            4.增強特性
            第04章 Spark2x基于內存的分布式計算
            1.Spark概述
            2.Spark原理與架構
            3.Spark在FusionInsight HD中的集成情況
            第05章 HBase分布式NoSQL數據庫
            1.HBase 基本介紹
            2.HBase 功能與架構
            3.HBase 關鍵流程
            4.HBase 華為增強特性
            第06章 Hive分布式數據倉庫
            1.Hive概述
            2.Hive功能與架構
            3.Hive基本操作
            第07章 Streaming分布式流計算引擎
            1.Streaming簡介
            2.系統架構
            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原理與技術架構
            3.Flink在FusionInsight HD中的集成情況
            第09章 Loader數據轉換
            1.Loader簡介
            2.Loader作業管理
            第10章 Flume海量日志聚合
            1.Flume簡介及架構
            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
            1.Kafka簡介
            2.Kafka架構與功能
            3.Kafka關鍵流程
            第12章 ZooKeeper集群分布式協調服務
            1.ZooKeeper簡介
            2.ZooKeeper在FusionInsight HD產品的位置
            3.系統架構
            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 企業版概述
            2.FusionInsight HD 特性介紹
            3.FusionInsight HD 成功案例

            登錄注冊(發起)【信息】

            亚洲VA久久久噜噜噜久久_免费久久人人爽人人爽AV_久久久精品人妻一区二区三区四_无码人妻一区二区三区色欲AV

          4. <optgroup id="ruysl"></optgroup>
          5. <span id="ruysl"><blockquote id="ruysl"></blockquote></span>

          6. <track id="ruysl"></track>

                    <optgroup id="ruysl"><li id="ruysl"></li></optgroup>
                  1. <optgroup id="ruysl"><li id="ruysl"></li></optgroup>
                    <sub id="ruysl"></sub>
                    <track id="ruysl"><em id="ruysl"><del id="ruysl"></del></em></track>
                  2. <ol id="ruysl"><blockquote id="ruysl"></blockquote></ol>
                    <optgroup id="ruysl"></optgroup>

                  3. <acronym id="ruysl"></acronym><optgroup id="ruysl"></optgroup>