一、数学不好能学大数据吗？

数学不好能学大数据

在学习过程中，可以寻求相关的教学资源和指导，例如参加一些大数据课程、读一些相关的书籍，或者参加一些实践性的项目和实验等。同时，积极学习和提升数学基础能力，将有助于更好地理解和应用大数据技术

二、数学专业能从事大数据工作吗？

数学专业能从事大数据工作。

数学专业学生主要学习数学和应用数学的基础理论、基本方法，受到数学模型、计算机和数学软件方面的基本训练，具有较好的科学素养，初步具备科学研究、教学、解决实际问题及开发软件等方面的基本能力，培养能在科技、教育和经济部门从事研究、教学工作或在生产经营及管理部门从事实际应用、开发研究和管理工作的高级专门人才。

三、数学专业和大数据专业哪个好？

大数据专业好。

这里只谈数学专业和大数据专业的比较：

大数据专业，提现在应用，我想它的内容会包含跟大数据有关的课程，比如概论，数统，回归分析，数据挖掘，精算，模型分析，SARS或SPSS应用等等。其目的在于，尽可能的从各种角度整理、挖掘数据背后的潜在价值信息，为决策提供理性的有力的方向和支撑。

为了好理解，不妨把大数据专业要解决的问题，比做为“在河沙里淘金”。于是，它所包含的各学科就是“淘金”涉及的工具及说明书，于是，概论和数统就像操作流程说明，是理论指导；数据挖掘就成了类似过滤筛选的工具，并给出详细说明。再简单些，就是这个学科是挖机，专门挖沙的，那个学科是过滤机器，专门过滤的，另一学科是盆钵，专门盛金子的等等。

大数据专业就是这么一类，教你使用一批工具，完成一件事，解决一个问题的专业。

而数学专业，字面讲，它以数学为中心。而数学是所有自然学科的工具，是宇宙通用语言。

简单的讲，就是她会告诉你如何研究制造各种各样的工具。你修车，需要扳手，螺丝刀，千斤顶等等。她是这些工具的制造厂。

数学专业旨在解决数学的延拓与发展，而数学本身是逻辑的，理性的，分析的语言，语言是沟通交流解决问题的工具，所以，她其实是在拓展人类的思想武器，武装更先进的设备，为人类社会各行各业提供应用工具。

以上看，大数据专业所涉及的种种工具，只是数学这个大工厂的一小小部分。数学还为物理提供理论基石，没有数学骨架支撑的物理，只是不能被应用，不能被理解的思想。数学还未天文学，化学，生物等提供理论分析工具。

总的讲，大数据专业，是部分工具的应用说明，并以此组合解决数据信息问题。而数学专业，是研究如何生产制造工具的专业，没有她，生产力不会进步。就像古人伐木，靠斧头 ，后来靠人工锯齿，而今，电锯。这是质的飞跃。

四、数学科学与大数据技术是不是就是大数据？

是的。

数据科学与大数据技术主要研究计算机科学和大数据处理技术等相关的知识和技能，从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）出发，对实际问题进行分析和解决。主要从事大数据技术、大数据研究、数据管理、数据挖掘、算法工程、应用开发等工作。

数据科学与大数据技术，是2016年我国高校设置的本科专业，专业代码为080910T，学位授予门类为工学、理学，修业年限为四年，课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。

毕业生能在互联网企业、金融机构、科研院所、高等院校等从事大数据分析、挖掘、处理、服务、应用和研究工作，亦可从事各行业大数据系统的集成、设计、开发、管理、维护等工作，也适合在高等院校及科研院所的相关交叉学科继续深造。

五、学大数据要数学好吗？

大数据学习并不需要数学非常好,大数据主要是编程技术的学习,比较考验锻炼逻辑思维。如果是数据分析学习,需要数学和统计学基础,要求也不会非常高,零基础多下功夫也能学好。

 大数据分析需要数学及统计学基础 。大数据开发主要学习编程技术,不需要数学基础 不管是大数据开发课程还是数据分析课程都是适合零基础学习的,学习时需要选择适合自己的学习方法,零基础一般是找人带或者找培训班学习两种情况。

六、会计与大数据和数学的联系大吗？

大数据与会计专业和数学联系大。

大数据与会计专业都是当前比较热门的就业方向，但是两者的职业发展方向和要求有所不同。

大数据专业的就业前景非常广阔，适合对数据分析和计算机技术有兴趣的学生，特别是在互联网和金融领域中有很多的就业机会。学习大数据专业需要较强的数学和计算机基础，因此需要学习数学。

会计专业也是非常稳定的就业方向，需要具备较强的财务和税务知识，适合有责任心和细心的学生。会计专业的就业范围比较广泛，可以在各个行业和企业中从事财务工作。学习会计专业需要学习基础的数学和财务知识。

七、大数据要学数学建模吗？

需要学习数学建模。

大数据建模就是指利用相关的计算机技术从大数据中挖掘数据特征，并用量化理论数学化数据特征关系以描述业务需求和模式的一种方法体系。

特征工程涉及到统计/数学/信息论/计量等学科的基本概念。比如：变量的均值；分位数；峰度；谱；信息熵；cosi；衰退速率以及马氏距离等。 

建模阶段涉及多种量化模型，比如：统计模型；计量模型；机器学习模型；复杂网络等。比较常见的模型有：回归分析模型；随机森林；时间序列；神经网络；SVM等。