数据科学与大数据技术专业导论学习总结(2)
说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。
数据科学与大数据技术专业导论学习总结 随着移动互联网的兴起，全球数据呈爆炸性增长，数据规模大约每两年翻一番。而随着人工智能环境下物联网生态圈的形成，数据的采集、存储、分析处理、融合共享等技术需求都能得到响应，各行各业都在体验大数据带来的革命，与大数据相关的技术人才需求激增。据预测，中国近年内大数据人才缺口达200万人，全世界相关人才缺口超过千万之多，因此培养大数据技术人才的重任落到了高等院校身上。从事数据统计、分析和应用的人才已经难以适应大数据时代的新要求。大数据具有体量巨大、速度极快、类型众多、价值巨大的特点，对数据从产生、分析到利用提出了前所未有的新要求。高等教育只有转变观念，更新方法和手段，寻求变革与突破，才能在大数据与人工智能的信息大潮面前立于不败之地。我国教育部门为了响应社会发展需要，于2016年开始正式开设“数据科学与大数据技术”本科专业与“大数据技术与应用”专科专业。近几年，全国形成了申报与建设大数据相关专业的热潮。 1. 培养目标：大数据专业在不同的教育阶段有不同的人才培养目标，专科以大数据领域的技能型人才为培养目标，本科以具备初步研发能力的应用型人才为培养目标，而研究生阶段则以创新型人才为培养目标。 大数据专业的人才培养计划与培养单位自身的资源整合情况也有较为密切的关系，尤其是研究生教育阶段有更为明显的体现。实际上，大数据人才的培养不仅局限在大数据专业和计算机专业，经济学、统计学、金融学等专业也可以培养大数据方面的研发人才，而这些专业在培养大数据人才时往往有明显的专业属性。由于大数据产业链上的岗位比较多，涉及到数据采集、数据整理、数据存储、数据安全、数据分析和数据应用，不同岗位所需要的知识结构也有一定的差别，所以在人才培养的时候会结合学生具体的学习方向制定培养计划。大数据技术与应用”专业强调培养具有大数据实践能力的大数据人才。该专业重点培养具有以下两方面素质的人才：一是工具的掌握，掌握数据采集和数据分析的基本工具；二是数据分析能力，掌握实用数据分析和初步数据建模能力。 总的来说本专业培养具有大数据应用背景的复杂工程问题分析和解决能力,具有沟通和协作能力、 管理和创新能力,具有国际视野、社会责任感和工程职业道德,能在计算机、金融等相关专业领域从事大数据产品相关的算法分析与设计、数据模型构建和研究、数据存储与管理、系统设计与实现、平台部署和维护等工作,并能适应技术进步和社会发展需要的复合型高级工程技术人才。 2. 专业特色：数据科学与大数据技术专业以统计学、数学和计算机科学为基础，以“新工科”教育理念为指导，瞄准国家大数据战略需求和国际数据科学学术前沿，与生命科学、医疗健康、经济金融等领域深度融合，形成了人工智能、互联网大数据、金融大数据和医疗大数据四个特色鲜明的研究方向。数据科学与大数据技术专业基于“产学研”相结合的人才培养模式，以国家大数据战略规划为指引，以社会需求为导向，立足本省，面向全国，放眼世界，致力于培养掌握数据科学的理论与方法，精通大数据处理与分析、算法研发、可视化等技术的高水平人才。衡量单位PB级别，存储内容多。大数据需要在获取速度和分析速度上要及时迅速。保证在短时间内更多的人接收到信息。数据的来源是各种渠道上获取的，有文本数据，图片数据，视频数据等。因此数据是多种多样的。大数据不仅仅拥有本身的信息价值，还拥有商业价值。大数据在结构上还分为：结构化，半结构化，非结构化。结构化简单来讲是数据库，是由二维表来逻辑表达和实现的数据。非结构化即数据结构不规则或不完整，没有预定义的数据模型。由人类产生的数据大部分是非结构化数据。 3. 课程体系：该专业属于交叉学科：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）。主要包括基础课程、核心课程及选修课程三大模块。其中专业基础部分侧重为语言和专业基础方面的课程，包括《大数据的Python基础》、《Linux系统基础》、《大数据的统计基础》等。专业核心部分涵盖了数据采集、存储与处理方面的内容，包括《数据存储（MySQL）》及《数据清洗》等课程。专业选修部分以大数据分析、开发及应用为重点，开设包括《数据分析导论》、《大数据行业应用导论》、《数据可视化》、《Hadoop大数据平台基础》等课程。 由于数据科学与大数据技术专业较新，可供借鉴的历史不多，大家各自的理解不同，在课程体系方面形成了“百花齐放”的局面，究竟哪个是最好的、最完整的，暂时没有结论。笔者提出的专业课程体系供大家参考，也供本专业学生选择课程时参考。针对以上专业课程体系，专业导论课程需要将专业主要的知识点串接起来，既要从各主要课程中抽出重点的知识进行综述性的讲解，又要兼顾各知识间的关联关系，同时由于课时的约束，内容不可能讲得很多，也不可能讲得很深，这是一个较难掌握的平衡度。 4. 就业定位：大数据分析岗位的人才需求量也非常大，与大数据开发岗位不同，大数据分析岗位的行业边界更大，不仅IT互联网行业需要大数据分析人才，很多传统行业也需要大量的大数据分析人才，这一点在工业互联网时代会有更加明显的体现。主要有以下几类就业方向： *数据分析师 数据分析师 是数据师的一种，指的是不同行业中，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。 *数据架构师 数据架构师是负责平台的整体数据架构设计，完成从业务模型到数据模型的设计工作 ，根据业务功能、业务模型，进行数据库建模设计，完成各种面向业务目标的数据分析模型的定义和应用开发，平台数据提取、数据挖掘及数据分析。 *数据挖掘工程师 一般是指从大量的数据中通过算法搜索隐藏于其中知识的工程技术专业人员。这些知识可用使企业决策智能化，自动化，从而使企业提高工作效率，减少错误决策的可能性，以在激烈的竞争中处于不败之地。 *数据算法工程师 在企业中负责大数据产品数据挖掘算法与模型部分的设计，将业务场景与模型算法进行融合等；深入研究数据挖掘模型，参与数据挖掘模型的构建、维护、部署和评估，支持产品研发团队模型算法构建，整合等；制定数据建模、数据处理和数据安全等架构规范并落地实施。 *数据产品经理 数据平台建设及维护，客户端数据的分析，进行数据统计协助，数据化运营整理、提炼已有的数据报告，发现数据变化，进行深度专题分析，形成结论，撰写报告；负责公司数据产品的设计及开发实施，并保证业务目标的实现；进行数据产品开发。 5. 知、素、能要求 Apache Hadoop、NoSQL、数据可视化、机器学习、Apache Spark、定量分析、编程语言（Java，Python，C，Scala等）、数据挖掘等都为应具备的知识。大数据人才应具备以下素质:有规划的学习分清主次，先熟悉了解的课程大纲，先掌握基础，再在原始基础上往深学，原则是了解全局，先易后难。以及懂得培养兴趣，不要三天打鱼，两天晒网，不管学什么都需要持之以恒，培养自己的人文情怀，多接触新事物，不拘泥在自己的思维里。大数据需要用到的基本的软件要能熟练使用。充分发挥自己的想象力创新。大数据还应具备逻辑分析能力、快速学习能力、对数据感兴趣以及良好的沟通能力。 麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”我们应该抓住机遇迎接挑战，以高标准要求自己从而成为社会所需之才。 学号：20201209048 姓名：苏音 本文来源：https://www.wddqw.com/doc/1334f38c1cb91a37f111f18583d049649a660e06.html