大数据专业硕士

计算机数字媒体技术软件工程啊北京邮电华中科大北航哈工大北理工电子科大西安电子这些难度大武汉理工华南理工合肥工业南理工北交大等211大学

目前不少大学的研究生教育都有大数据相关方向的设置，不同的高校在大数据教育方向上也会结合自身的教育资源进行相应的调整，所以要想选择适合自己的学校，需要考虑以下几个方面：第一：自身的知识结构。大数据是典型的交叉学科，基础学科包括数学、统计学和计算机，所以这三个专业的学生在读研期间都可以选择大数据方向，但是不同的专业在选择时也要结合自身的专业特点。比如统计学选择大数据方向时也可以选择本专业的研究生，因为统计学的研究生课题与大数据也有紧密的联系，没有必要一定要考计算机专业的大数据方向。在统计学领域，教育资源整合能力比较强的大学有北京大学、人民大学、南开大学等，不少财经类大学也有较强的学科实力，比如东北财经大学、上海财经大学也是不错的选择。第二：大数据学科的教育资源。研究生的教育质量与高校自身的教育资源整合能力有直接的关系，涉及到导师资源、实验资源、课题资源、行业资源等等，从大数据学科的教育资源情况来看，国内北京大学、中南大学、上海交通大学、中山大学、西安交通大学、对外经贸大学等都是不错的选择。第三：学校的整体实力。在考研选择学校时，应该注重学校的整体实力，整体实力较强的高校往往在专业发展上也会有较强的“后劲”，所以在选择高校时可以重点考虑一下双一流高校和一流学科高校（原985、211）。

2020高考志愿填报，大数据专业解读

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。

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

数据科学与大数据技术专业很不错，前景比较乐观，毕业生能在政府机构企业公司等从事大数据管理研究应用开发等方面的工作。同时可以考取软件工程计算机科学与技术应用统计学等专业的研究生或出国深造。大数据专业和计算机专业比较像，是注重实践的专业。学生需要独立编写程序，对程序进行修改与调试，需要注意每一个细节才能顺利查错并运行程序。该专业对于学生的数学能力有很高的要求，所以对于数学不敏感的学生，建议慎重报考，而且该专业对于学生的计算机使用能力有很高的要求，学生在校学习期间，一定要学好这方面的知识,，可以选择考取计算机的相关资格证书，提升自身竞争力。扩展资料数据科学分为三大类，即：数据分析、数据挖掘和大数据。数据分析主要偏重业务，即利用一些数据分析和统计工具，如Excel、Spass、SAS、SQL等，进行数据分析和展现，以辅助公司的某项业务决策。数据挖掘比数据分析更侧重于建模能力一些，一般是给定一些数据和某个问题，让你运用某些机器学习算法从中建立出模型，再通过这个模型去对某些东西进行预测。所以，机器学习算法可以说是数据挖掘中的核心。与大数据关系比较密切的岗位包括大数据平台开发、大数据应用开发、大数据分析、大数据呈现和大数据教育等，不同的岗位需要具备不同的知识结构，所面对的工作场景也有较大的区别。大数据平台开发属于研发级岗位，需要从业者具有较强的研发能力。

我猜，题主想要问的是：最近几年大火的大数据，如果是想要在大学里学习相关专业，将来从事相关工作，具体有哪些专业是属于对口的吧？就从这个角度来说一说。一般来说，学校的人才培养和专业设置，相对于市场上相关人才的热门需求是要相对滞后的，比如说国际贸易、物流管理、电子商务这些专业，都是在相关行业蓬勃发展一段时间之后，各高校才逐步设立了相关专业。大数据、人工智能相关领域，也不例外。因此，目前国内高校里开设了诸如数据科学与大数据技术、大数据采集与管理这样专业的学校还不算特别多，根据教育部2018年公布的较早通过相关专业备案和审批的高校有中国人民大学、中国农业大学、北京师范大学、中国传媒大学、南开大学、同济大学等，若有兴趣可进一步了解。同时，目前企业里招聘相关领域的人才，一般会从联系比较密切的专业里来寻找对口人才，比如统计学、数学、软件工程、计算机科学等专业。如果想报考的学校暂时没有数据科学与大数据技术相关专业，则可以通过学习临近专业来达到将来从事相关领域工作的目标。再来说说它有什么优势。一个热门的专业和领域，自然是它代表了未来的某种趋势，就像从好多年前就开始热门的计算机技术相关专业，在互联网、移动互联网快速发展的这些年，市场上对相关人才的需求也大幅度增加，学习热门专业自然就能够更快地找到合适的工作，还能在热门行业和热门岗位上，拿到更高的工资。这个专业和领域的另外一个优势还在于，它学习和入门的门槛比较高，也就是说，一个人通过本科4年、再加上硕士研究生、博士研究生的系统学习后，基本上就会构建自己专业领域上一定的壁垒，形成自己极具竞争力的专业优势，这样一来，起点高、又有较高的壁垒，在今后的职业道路上也就会有更好更快的发展。

对国内就业市场而言，本科学历是大数据相关职位的一个基本要求，从各个职位上看需求量都是最大的。高端人才要求硕士以上的学历也很普遍，显示出这个行业的进入的确是有一定门槛的。对于学历这个问题，一般来说，当你没有任何基础的时候，能拿得出手的只有学历，本科生当然竞争不过研究生。但是随着工作时间久了，你的能力达到了这个职位的要求，学历就不重要了。尤其是对业务能力要求比较高的数据分析师、数据挖掘师这些职位，你的行业知识和业务理解能力在很多情况下比学历更加重要。当然，高端人才(如算法工程师、数据科学家)对学历也比较高，如果各方面条件允许，选择计算数学/概率论/模式识别/计算机方面的研究生深造也是有必要的，一些大公司的确会在初筛的时候根据学历筛选人，这个也很正常。当然，你也可以在工作几年后，当觉得到基础瓶颈的时候，可以再去读书，这个时候可能你更清楚自己需要的是什么。对于进入这个行业的同学而言，你可以选择提升学历后再进入这个行业，也可以先就业，用你的工作经验弥补你的学历不足。大数据是一个实践性很强的学科，从实际工作中获取的知识和能力是你在学校里面无法学习到的，企业最终也是看重你的实际工作能力。

北京大学大数据是一个新的专业，国内首次出现这个专业是在2016年的时候，当时新设这个专业的高校全国只有3所有，其中就有北京大学。2.对外经济贸易大学与北大为同一批次开设大数据专业的学校还有对外经贸大学，很多人不知道这所学校是一所211工程大学，所以这个大数据专业应该是办得不错的。3.中南大学该校是湖南最好的大学，属于211和985工程学校。是第一批开设大数据与专业的高校。网上的一些排名中将该校的大数据专业排在了全国第一的位置。4.中国人名大学人大属于第二批开设大数据专业的高校，具体开设时间是在2017年。人大的这个专业虽然开设只有一两年的时间，但是实力应该是很强的，因为该校的统计学科在国内处于领先地位。5.复旦大学复旦大学的大数据专业是在2017年开设的，支撑学科主要涉及到了统计学、计算机科学和数学等学科，应用范围很广，几乎在所有的行业中都可以进行应用。6.电子科技大学电子科技大学位于成都，综合实力在全国范围内排前50位，在四川省中排名第2位，在全国电子科技内大学中排名第一。扩展资料数据科学与大数据技术专业，简称数科或大数据，旨在培养具有大数据思维、运用大数据思维及分析应用技术的高层次大数据人才。掌握计算机理论和大数据处理技术，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）系统地培养学生掌握大数据应用中的各种典型问题的解决办法，实际提升学生解决实际问题的能力，具有将领域知识与计算机技术和大数据技术融合、创新的能力，能够从事大数据研究和开发应用的高层次人才。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办法，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。参考资料大数据采集与管理专业 百度百科