一、数据科学与大数据技术专业怎么学？

1、主干基础课

公共基础课：包括中国近现代史纲要、思想道德与法治、马克思主义基本原理、毛泽东思想和中国特色社会主义理论体系概论、形势与政策、学术英语与科技交流、C++程序设计基础、军事理论、工程制图、微积分、线性代数与解析几何、概率论与数理统计、复变函数、大学物理、大学物理实验、人文科学领域、社会科学领域、科学技术领域等；

专业基础课：工程导论、大数据导论、数据结构、离散数学、高级语言程序设计、计算机网络、计算机安全与数据安全、计算机组成与体系结构、操作系统、数据库系统、计算机与软件工程概论、数据挖掘、算法设计与分析、大数据平台构架与技术、云计算与大数据平台、神经网络与深度学习；

选修课：程序设计课程模块（Python语言程序设计，Java程序设计，并行程序设计与分布式计算）、数据平台课程模块（计算机安全与数据安全，数据挖掘，大数据平台构架与技术）、智能计算课程模块（机器学习，算法设计与分析，人工智能，数值计算原理与方法，自然语言处理，神经网络与深度学习，计算机视觉）、数据应用课程模块（大数据应用案例与实践，IT商业模式与创业，数字孪生技术）。

2、集中实践教学环节

本专业注重实践环节和创新能力培养，突出理论课与实训课相结合的培养特色，强化工程训练，实现国际接轨，造就基础扎实、工程能力强、协作能力好的复合型大数据研究与工程人才。实践教学环节课程主要包括：军事技能、工程导论实践I、数据结构课程实训、大数据导论课程设计、工程创新训练Ⅰ、马克思主义理论与实践、高级语言程序设计实训、机器学习课程设计、数据库课程实训、操作系统课程实训、数据挖掘课程实训、毕业实习、大数据平台构架与技术课程实训、毕业设计等。

3、第二课堂

人文素质教育基本要求：学生在取得专业教学计划规定学分的同时，还应结合自己的兴趣适当参加课外人文素质教育活动，参加活动的学分累计不少于3个学分。其中新增大学体育教学团队开设课外体育课程，高年级本科生必修，72学时，1学分，纳入第二课堂人文素质教育学分。

创新能力培养基本要求：学生在取得本专业教学计划规定学分的同时，还必须参加国家创新创业训练计划、广东省创新创业训练计划、SRP（学生研究计划）、百步梯攀登计划或一定时间的各类课外创新能力培养活动（如学科竞赛、学术讲座等），参加活动的学分累计不少于4个学分。

二、大数据技术原理与应用？

以下是我的回答，大数据技术原理与应用是一个涉及数据存储、处理和分析的广泛领域。它的原理主要包括分布式存储和分布式处理两大核心技术。分布式存储技术，如Hadoop的HDFS，能够将大量数据分散存储在多个节点上，确保数据的可扩展性和容错性。而分布式处理技术，如MapReduce，则能够在多个节点上并行处理数据，提高处理速度。在应用方面，大数据技术被广泛应用于各个领域，如电商、金融、医疗等。例如，电商平台可以通过分析用户的购物行为，实现个性化推荐；金融机构可以利用大数据分析进行风险评估和预测；医疗机构则可以通过挖掘医疗数据，提高诊断准确性和治疗效率。此外，大数据技术还涉及到数据可视化、数据挖掘、机器学习等多个方面。数据可视化能够将复杂的数据以直观的方式呈现，帮助用户更好地理解数据；数据挖掘则能够发现数据中的潜在规律和关联，为决策提供支持；而机器学习则可以利用大数据进行模型训练和优化，提高预测和决策的准确性。总之，大数据技术原理与应用是一个复杂而广泛的领域，它涉及到数据存储、处理、分析和可视化等多个方面，对于提高数据驱动决策的能力和推动数字化转型具有重要意义。希望这个回答能够帮助你理解大数据技术原理与应用。如果你还有其他问题或需要更深入的探讨，请随时告诉我。

三、大数据概论学什么？

大数据概述、云计算、物联网、Hadoop技术介绍、数据采集与预处理相关技术介绍、大数据分析与大数据挖掘技术介绍、HDFS介绍、MapReduce介绍、数据可视化相关技术介绍、大数据安全及大数据应用。

四、数据科学与大数据技术专业课程有哪些？

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。

数据科学与大数据技术专业都学些什么?

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)。

数据科学与大数据技术专业人才需求情况怎样?

根据领英发布的《2016年中国互联网最热职位人才报告》显示，研发工程师、产品经理、人力资源、市场营销、运营和数据分析是中国护理万网行业需求最旺盛的职位。目前国内有30万数据人才，预计2018年，大数据人才需求将有大幅增长，高端人才如大数据科学家的缺口在14万至19万之间;懂得利用大数据做决策的分析师和经理缺口达到150万，数据分析师现在需求就很旺盛了，2年工作经验的月薪可达到8K，硕士学历的数据分析师月薪可达到12K，5年工作经验的可达到40万至60万元。

报考建议注意规避如上缺点，制定、执行相应的解决方案。例如：报考前评估从目标院校毕业后能否在大数据行业中找到理想的职位，各高校一般会根据服务地区经济发展需求开设专业，前几届毕业生一般都有对口的就业机会;根据未来职业规划初步定为初始职位，在大学期间通过选修、培训等方式精修相关学科，夯实基础;对开设院校开设专业的实力进行评估，有些看似平凡的院校和大数据行业企业联合办学，实力不容小觑，例如贵州理工学院与阿里云合建的“贵州理工学院——阿里巴巴大数据学院”，计划在5年内为贵州省培养1万名大数据专业技术人才，黄河科技学是与中科院、云和数据以及中国科普开等知名大数据相关研究机构及公司开展交流合作，在学校建立联合实验室、在企业设立学生实训基地，实现更好地培养人才;考生也可从相关专业(如应用统计学专业)跨考此专业的研究生，可实现快速切入，但还应注意关注行业发展最新状况并着重弥补能力差距。

五、大数据选修课学什么？

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。

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。

六、大数据专业要学那些技术，大数据专业毕业后可以干什么？

大数据专业需要学习的技术包括：Linux系统、Java语言、数据结构、大数据导论、数据库基础、Python语言、数据采集、Hadoop运维、Spark数据分析、数据可视化等课程。 

大数据专业毕业后可以从事的工作包括：大数据维护、研发、架构工程师方向，如大数据工程师、大数据维护工程师、大数据研发工程师、大数据架构师等；大数据挖掘、分析方向，如大数据分析师、大数据高级工程师、大数据分析师专家、大数据挖掘师、大数据算法师等。 

七、大数据算法学什么？

大数据算法主要学习数据处理、数据挖掘、机器学习等技术，以应对大规模数据的分析和处理需求。

学生需要掌握数据预处理、特征选择、模型构建、模型评估等技能，同时需要了解常见的大数据处理框架和工具，如Hadoop、Spark等。此外，还需要学习统计学、线性代数、概率论等数学基础知识，以便理解和应用各种算法。综上所述，大数据算法学习涉及多个领域，包括数据处理、机器学习、数学等，以应对大规模数据分析和处理的挑战。