大数据考研考什么好

首先确定考学硕还是专硕之后确定学校，因为每个学校考的科目不同。问题描述的很不具体，这个没法回答。

大数据工程考研方向很多，各院校划分的标准不一样的，云大大数据方面考研专业：社会经济统计分析、金融统计分析、、教育统计、人口统计分析、统计调查与数据分析、高性能计算及可重构计算、网络环境下的数据与知识工程、并行及分布式处理与网格计算、嵌入式系统及应用等等。

首先，从当前大数据领域的人才需求情况来看，以研究生为代表的高端人才有的机会获得高附加值的工作岗位，而且由于当前大数据技术尚处在落地应用的初期，所以未来大数据领域还会需要大量高端应用型人才（专硕），从这个角度来看，当前大数据专业的本科生，选择考研是不错的选择。大数据专业考研有多种选择，可以根据自身的发展规划、知识结构和能力特点来进行选择，同时也要考虑到行业发展趋势和技术发展趋势。从目前大数据方向研究生的培养渠道来看，计算机专业是一个重要的培养渠道，同时统计学、经济学、金融等专业，也有培养大数据方向研究生的能力。由于当前大数据专业的开设时间比较短，所以很多大数据专业还没有硕士点，要想有更大的选择空间，可以选择跨考计算机等专业。大数据专业的本科生在读研时，在方向的选择上还是比较多的，除了可以考虑大数据相关方向之外，还可以考虑人工智能领域的相关方向，包括自然语言处理、计算机视觉、机器学习等。如果选择专硕，可以重点考虑如何通过大数据技术与行业相结合，在产业结构升级的过程中，行业领域也有很多创新点。最后，在选择主攻方向的过程中，还需要考虑到学校自身的学科实力、行业资源整合能力等因素，选择学科实力比较强的方向往往会有更好的科研体验，而选择行业资源比较丰富的方向，往往对于就业有非常积极的影响。

复旦大学大数据学院

可以考虑复旦大数据学院，人大大数据学院也有和TAMU的联合培养，上财统计学院也有许多走在前沿的导师

你可以重点考虑应用统计硕士的大数据分析方向。 至于择校，你可以重点考虑中央财经大学等。中央财经大学在国内最早发起大数据分析硕士培养，与北京大学、中科院大学、中国人民大学、首都经济贸易大学共同举办。

其实现阶段没有大数据成体系的理论基础，如果想学相关的统计，机器学习之类的内容出国肯定是最好的。如果考虑国内，北大的王汉生老师做networkdata比较厉害。再就是可以考虑复旦大数据学院，人大大数据学院也有和TAMU的联合培养，上财统计学院也有许多走在前沿的导师，她的应用统计专硕有关于大数据技术这个方向，也是今年新招生。另外，计算机研究生下也有这个方向。和统计相比，大数据和计算机靠的远远更近。稍弱一点的学校，类似厦门大学，那里有个数据库的组，还不错。南航，有个数据管理与知识工程的组。湖南大学，数据库也不错。东北大学，于戈老板的team，但是东北大学地势不大好。北邮，北邮计算机很好，有关于云计算还有大数据技术也在快速发展中。你可以结合自身情况考虑下。北京大学——北京大数据研究院清华大学(分数线,专业设置)——清华大学数据研究院人民大学——统计与大数据研究院复旦大学——大数据学院中南大学——中南大学信息安全与大数据研究院西南交通大学——金融大数据研究院贵州大学——贵州大学大数据与信息工程学院南京邮电大学——南京邮电大学盐城大数据研究院

不考最简单！！一看你对自己就没信心的那种人，实际上，考研延续本科的专业最简单了！之后在该专业中选择排名相对靠后的院校，简单些。

国论文网http://www.xzbu.com/1/view-7050455.htm关键词：民院校；大数据；人才培养一、大数据技术概述最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，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。”大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。二、国内外研究现状国外除了在大数据的概念上的研究外，重点放在技术研究。美国政府六个部门启动的大数据研究计划中，绝大多数研究项目都是应对大数据带来的技术挑战，重视的是数据工程而不是数据科学，主要考虑大数据分析算法和系统的效率。国内在大数据研究领域的重点在大数据与云计算、数据挖掘，并行计算和分布式处理，应用式主要集中在地理信息系统。但目前国内高校很少有开设大数据方向的相关专业，业内先驱当属北航软件学院大数据技术与应用专业。此专业是北航软件学院、北航计算机学院与慧科教育（工信部移动云计算教育培训中心）联合打造的大数据技术与应用专业，于2012年开始招收工程硕士。另外，2013年，华东师范大学成立了数据科学与工程研究院；2014年，华南理工大学设立了云计算与大数据专业；同年，清华大学成立“清华―青岛数据科学研究院”，设立大数据的硕士博士学位项目。另外，开设大数据相关本科专业的院校有贵州师范学院、贵州大学和北京城市学院。而2014年9月开始，西安欧亚学院也开始对外招收网络工程专业（大数据方向）。三、民院校人才培养方案的制订西安欧亚学院作为一所民三本院校，本着创新型教育理念，一直致力于应用型人才的培养。从2012年开始筹备至今年正式招生，共两年时间。无论从企业需求，还是学术要求，我们都进行了充分的调研及论证。1.前期准备（1）资料准备在与北京大学教授合作的项目中，受到启发。继而开始搜集大数据方面的各种文献资料，对目前国内各大高校的专业开设情况进行考察，借鉴他人的宝贵经验。最终形成了一个初步的课程规划清单。（2）企业调研根据以往的教学经验，我们知道，学生将来是否能顺利的找到工作，与其在学校接受的教育是息息相关的。很多时候，我们只是从一个教师的角度考虑，应该培养出什么样的学生。可是，我们并不了解，目前，就某一个行业领域，企业需要什么样的人才，无论从专业能力方面，还是从个人基本素质方面。鉴于此，我们对一些相关企业做了调查问卷，结果得出，企业需要的大数据人才，从个人素质方面，需要以下能力：良好的数据敏感度，能从海量数据提炼核心结果。对统计、数学建模有强烈的兴趣和钻研精神。良好的学习能力、团队协作能力、逻辑思维能力、分析能力。擅长与商业伙伴的交流沟通，具有优秀的报告讲解能力及沟通能力。工作高效，有条理，细致，态度积极，责任心强，能够承受较强工作压力。在专业技能方面，需要以下能力：熟悉数理统计、数据分析、数据挖掘等基础知识，熟知常用算法。熟练使用SAS、SPSS、R、Excel等统计分析软件。精通至少一门编程语言（C、Java、Python、shell）。了解数据结构和算法设计。熟悉Linux操作系统开发环境。（3）师资培养学生所学知识的源头均来自于老师。我校教师大多从学校毕业后直接任教，缺乏实际工作经验。虽然基本的理论知识都能掌握，但应用于实践的能力缺乏。为此，我们将教师分批派往不同合作公司进行挂职锻炼，为期一个月至半年不等。这样，教师不但能充分发挥自己的业务专长，将理论联系于实际；同时，在企业中，能经历到不一样的工作状态和企业氛围。将来回归课堂，能给学生传递的不仅仅是科学知识，更重要的是书中没有的工作经验和阅历。另外，在大数据方面，有很多不同方向的讲座、论坛、会议。其间，各领域的业内高手都会云集，畅谈自己的编程经验或心得体会。我们会及时派出相关老师外出参会，听取高手经验、开拓视野的同时，更希望能和高手有交流甚至合作的机会。（4）专家论证经过我们的调查问卷和深入企业实习的见闻体会，我们更加明确了大数据人才培养的方向，进一步完善了培养计划。为了更有力的支持我们的方案，专业开发团队先后多次请来名校教授进行座谈论证，经过5次不断的“推翻―重做―修改”，最终形成2014级学生的人才培养方案。2.方案阐述我校在网络工程专业开设了一个大数据方向的实验班，本科四年制，培养阶段划分为通识教育、专业培养和多元化培养三个培养阶段。第一阶段：通识教育培养阶段。按照工程人才培养的共性要求而设置，并为全面素质教育奠定基础。包括综合基础和基本技能两个模块。在综合基础模块中，设置了由“政治思想理论课、高等数学、大学物理、体育”等系列课程构成的必修课程，和由人文科学与艺术、社会科学、自然科学等系列课程构成的选修课程。重点满足对学生逻辑思维、思想品德、身心健康、人文科学与艺术、社会活动能力等各方面素质培养的要求。在基本技能模块中，主要设置有计算机类、英语类和人文类等课程。重点培养学生具有较强的计算机应用能力、良好的中外文沟通、表达与写作能力，基本工程与科研素养以及良好的国际视野和国际竞争能力。第二阶段：专业培养阶段。培养大数据分析人才必备基础理论知识和技术能力。包括专业基础能力和学历提升两个模块。学历提升模块开设计算机类考研必备的高等数学、英语、计算机网络、数据库基础、数据挖掘等基础性课程，使学生掌握扎实的学科基础理论；专业基础模块开设统计学基础、多元统计分析、时间序列分析、Hadoop并行计算、数据可视化技术和分布式云计算等专业技术基础课程，让学生掌握大数据在数据管理、系统开发、数据分析与数据挖掘等方面的核心技能，培养工程人才在计算机学科网络大数据专业领域中必要的、最基础的知识和能力。第三阶段：多元化培养阶段。通过设计多元化课程体系，为学生提供自主选择专业方向的机会，使学生个性培养得以实现。大数据专业将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）系统地帮助企业掌握大数据应用中的各种典型问题的解决法，包括实现和分析协同过滤算法、运行和学习分类算法、分布式Hadoop集群的搭建和基准测试、分布式Hbase集群的搭建和基准测试、实现一个基于、Maprece的并行算法、部署Hive并实现一个的数据操作等等，实际提升企业解决实际问题的能力。四、结束语目前，数据分析是一个朝阳行业，而高校大数据人才培养更是一个新兴的领域，在很多公高校都没有做好准备的情况下，作为民的三本院校，我们踉跄起步，希望在未来的发展中，能总结出的经验，不断完善自己，更希望能给于兄弟院校一个参考的思路，我们共同完善大数据人才的培养工程。本回答被网友采纳