好吃採購計劃

回答:熱門而火爆的新興專業。

1.數據科學與大數據技術，簡稱“大數據”，是計算機、人工智能等多學科相互交叉的專業。

2.大數據專業，主要培養通過大數據思維，對大數據進行開發運用的高層次人才。畢業後，主要去向為政府、企業、公司，具體行業為保險、電子商務、銀行、金融、醫藥、互聯網等。

3.自中科院首開“大數據技術與應用”專業以來，截止目前，全國有近300所大學開設了大數據專業，可見該專業的熱門程度。

4.據《大數據人才報告》顯示，目前全國僅有大數據人才46萬，預計未來幾年，光是基礎性數據分析人才一項，其缺口竟達14000000萬，簡直不亞於令人吃驚的“天文數字”。

5.大數據人才的嚴重缺乏，造成了有些行業招不到大數據人才，特別是中小型，花高薪也很難招到。據調查，現工作一年的大數據人才月薪是12000元，工齡3年的hadoop人才，年薪居然高達40萬左右。

綜上可見，熱門、火爆、缺乏、高薪就成了大數據專業的代名詞。

江水濤濤8851

1、數據科學與大數據技術專業（Data Science and Big Data Technology），簡稱數據科學或大數據，數據科學很早就有，主要研究數據的一些基本規律，是一門理論學科，如我們經常遇到的概率與統計等，這些由來已久且理論基礎較為成熟，已經在很早之前就應用於實際中。

2、而大數據技術則是最近幾年新興的技術，是一項工程技術，是當下的技術弄潮兒，所以各大企業、高校也爭相培養或者開設相關的課程，培養具有大數據思維、運用大數據思維及分析技術解決實際業務問題，並最終帶動業務增長的的高層次大數據人才。

3、所以數據科學與大數據技術專業需要同時大數據科學的基礎理論，同時也要掌握包括計算機理論和大數據技術，因為大數據技術較為複雜，這裡分開來講。

4、大數據技術主要包括大數據採集與存儲，大數據處理計算技術，大數據應用3個主要層面。

4.1、大數據採集與存儲，大數據的大不僅體現在數據量大，還體現在數據來源複雜，數據結構不一致，數據一致性差等諸多方面，所以大數據的採集需要兼顧數據傳輸效率，數據來源的不統一等問題，還要考慮到數據同步問題。技術上來講，主要有Flume和kafka，具體的原理和區別這裡不展開了，感興趣的同學可以自己研究。

4.2、數據存儲主要還是依賴hadoop hdfs的分佈式存儲，拓展性強，可靠性高，最起碼目前來說應該是最好的存儲方案，也學習大數據的同學hadoop hdfs ,以及任務調度計算MR等都要很熟。

4.3、數據處理計算主要是指基礎數據的處理和聚合計算，常用的有hive，但是hive有時是真的太慢了，所以後來才有了各種計算引擎，包括維度建模預計算的OLAP神奇kylin，還有面向實時計算的storm，spark streaming等，都在很大程度上提高了運算的效率，加速了大數據的查詢速度。

4.4、數據應用主要是指數據分析和數據挖掘，這一部分需要技術+業務的雙重理解，而且業務佔據了大部分的工作，也就是說你對業務的理解程度，決定了你的數據分析和挖掘的實際價值，這句話是不是很熟悉，哈哈，是的，就像機器學習中特徵工程是決定機器學習的上限一樣，技術固然重要，但是沒有基於業務邏輯的分許和挖掘就是自己跟自己玩，所以這一點尤其要分清主次。數據分析的一些常見分析工具包括sql，python和一些可視化的工作包括powerbi，finebi，tableau等，數據挖掘包括一些迴歸，分類，聚類，關聯和推薦等機器學習算法，這就比較多了，可以根據自身的情況區學習。

5、綜上來講，這個專業主要是通過理論+技術的學習系統地培養基礎的數據理論以及大數據的各種技術，掌握大數據應用中的各種典型問題的解決辦法，最重要的是將技術落地到實際業務，提升解決業務問題的能力，因為，解決不了問題的技術都是耍流氓。以上回答僅為自己的認知觀點，如有紕漏歡迎大家指正，希望對你有幫助！

Lee海闊天空

首先，引用馬雲爸爸的一段話，“我們已從IT時代進入了DT時代，未來我們的汽車、電燈泡、電視機、電冰箱等將全部裝上操作系統，並進行數據集成，數據將會讓機器更“聰明”。DT時代，數據將成為主要的能源，離開了數據，任何組織的創新都基本上是空殼。”

未來，5G技術全面應用後，將會繁衍海量數據，是數據爆炸時代，而怎樣挖掘與分析數據顯，正是大數據專業所要培養的技術核心所在。。

由此可見，大數據是一個非常有錢途的專業。

據報道,3到5年後大數據人才的需求將高達150萬，未來中國基礎性數據分析人才缺口將達到1400萬，但是目前我國大數據人才僅40多萬！！

多麼稀缺的一個專業啊！！！

一、專業介紹

大數據是隨著現代信息技術的蓬勃發展而產生的一門新型交叉學科，可簡單看成是是計算機與統計學這兩門主要學科的交叉。但是，所涉及到的知識領域還非常廣，比如數學、人工智能化技術、機器學習、可視化技術、概率模型理論技術、不確定性建模等這些學科領域的知識。

從這個角度來看，數據科學與大數據技術人才是高級的複合型人才，他與傳統的計算機專業還不太一樣，單純會計算機相關知識還不夠，還需要具備多個領域的知識。

可見要學好大數據，僅僅本科是不夠的，建議上研究生進一步深造。

二、就業方向

就業方向大體可分為大數據系統研發工程師、大數據應用開發工程師和數據分析師。

1. 數據分析師

工作職責：負責項目的需求調研、數據分析、商業分析和數據挖掘模型等，通過對運行數據進行分析挖掘背後隱含的規律及對未來的預測。

平均工資：10630元/月

2. 大數據開發工程師

工作職責：構建分佈式大數據服務平臺，參與和構建公司包括海量數據存儲、離線/實時計算、實時查詢，大數據系統運維等系統。

平均工資：30230元/月

3. Hadoop開發工程師

工作職責：參與優化改進新浪集團數據平臺基礎服務，參與日傳輸量超過百TB的數據傳輸體系優化，日處理量超過PB級別的數據處理平臺改進，多維實時查詢分析系統的構建優化。

平均工資：20130元/月

4. 數據挖掘工程師

工作職責：分佈式系統上進行數據計算、挖掘、和實現算法。

平均工資：21740元/月

5. 算法工程師

工作職責：負責核心算法的開發。

平均工資：¥ 22640/月

三、開設學校

第一批（3所）：北京大學、中南大學和對外經貿大學

第二批（32所）：中國人民大學、北京郵電大學、復旦大學、華東師範大學、電子科技大學、北京信息科技大學、中北大學、晉中學院長春理工大學、上海工程技術大學、上海紐約大學、浙江財經大學、宿州學院、福建工程學院、黃河科技學院、湖北經濟學院、佛山科學技術學院、廣東白雲學院、北京師範大學、重慶理工大學、成都東軟學院、電子科技大學成都學院、貴州大學、貴州師範大學、安順學院、貴州商學院、貴州理工大學、昆明理工大學、雲南師範大學、雲南財經大學和寧夏理工學院。

第三批（250所）：名單太長，請自行百度，略…………

數據專業難度較大，需要複合型人才，所以本科四年遠遠不夠。

鑑於大數據專業的“高大上”，建議報考985或211高校。

985高校（24所）：北京大學、中國人民大學、中國農業大學、北京師範大學、中央民族大學、北京理工大學、同濟大學、復旦大學、華東師範大學、蘭州大學、廈門大學、中國科學技術大學、重慶大學、南開大學、天津大學、電子科技大學、西北工業大學、山東大學、東北大學、吉林大學、中南大學、湖南大學、哈爾濱工業大學、華南理工大學。

211高校（31所）：北京化工大學、北京林業大學、北京體育大學、北京郵電大學、對外經濟貿易大學、中國傳媒大學、中央財經大學、福州大學、華南師範大學、貴州大學、海南大學、河北工業大學、華中農業大學、華中師範大學、武漢理工大學、中南財經政法大學、安徽大學、中國礦業大學、南昌大學、大連海事大學、遼寧大學、內蒙古大學、太原理工大學、西安電子科技大學、上海財經大學、西南財經大學、西南交通大學、石河子大學、新疆大學、雲南大學、西南大學。

zchbvddg123

【熱門專業解讀】數據科學與大數據技術專業

高

考

必

勝

！

高考志願填報，某些專業的選擇對於每位同學未來的職業規劃，乃至人生規劃都有著非常重要的關鍵性，甚至是決定性的影響。雖然當下專業不對口就業的現象也很多，但專業性強崗位還是更青睞於對應專業的學生。因此，在高考志願填報過程中，特別是對指向性要求強的專業，選擇不容小覷。

那麼數據科學與大數據技術專業怎麼樣呢？數據科學與大數據技術專業大學排名及歷年錄取分數線怎麼樣？本課堂整理了關於數據科學與大數據技術專業的相關信息，希望對你有幫助。

數據科學與大數據技術專業

當今信息社會，已從信息時代邁入大數據時代，從數據收集時代到數據分析時代，高校在大數據方向上設置了哪些專業，作為新興專業，你又瞭解多少?

一、專業概況

專業名稱：數據科學與大數據技術;

專業代碼：080910T

學制：四年;

學位：工學或理學學位。（工學為主）

人才培養目標：

以大數據為核心研究對象，利用大數據的方法解決具體行業應用問題，強調培養具有多學科交叉能力的大數據人才。

本專業是一個軟硬件結合、兼顧數據科學理論與應用的以計算技術為基礎的、以數據科學與大數據技術為特色的寬口徑專業。

2016年2月，教育部公佈新增的“數據科學與大數據技術”專業，北京大學、對外經濟貿易大學、中南大學成為首家獲批高校。

第一批(3所)：

1北京大學

2對外經濟貿易大學

3中南大學;

2017年3月，教育部公佈第二批“數據科學與大數據技術”專業獲批的32所高校。

第二批32所獲批高校名單如下：

1 中國人民大學

2 北京郵電大學

3 復旦大學

4 華東師範大學

5 電子科技大學

6 北京信息科技大學

7 中北大學

8 晉中學院

9 長春理工大學

10 上海工程技術大學

11 上海紐約大學

12 浙江財經大學

13 宿州學院

14 福建工程學院

15 黃河科技學院

16 湖北經濟學院

17 佛山科學技術學院

18 廣東白雲學院

19 北京師範大學-香港浸會大學聯合國際學院

20 廣西科技大學

21 重慶理工大學

22 成都東軟學院

23 電子科技大學成都學院

24 貴州大學

25 貴州師範大學

26 安順學院

27 貴州商學院

28 貴州理工學院

29 昆明理工大學

30 雲南師範大學

31 雲南財經大學

32 寧夏理工學院

數據科學與大數據技術專業大學排名

1中南大學 5★

2浙江財經大學5★

3廣西科技大學4★

4復旦大學 4★

5電子科技大學3★

6對外經濟貿易大學3★

7上海工程技術大學3★

8重慶理工大學 3★

9長春理工大學 3★

10中北大學 3★

11安順學院 3★

12貴州師範大學 3★

第一批3所，第二批32所，全國高校紛紛響應，都在積極申報，而且這完全符合國家推動大數據發展的政策，目前，我國已有200多所高校獲批該專業。陸續估計會有幾百所獲批。那麼，各大高校應該怎麼建設大數據專業，才能不至於掉隊呢?

首先需要明確大數據專業需要培養的是具有多學科交叉能力的大數據人才。

該專業人才一般需要培養以下專業能力：

1、理論性的，主要是對數據科學中模型的理解和運用;

2、實踐性的，主要是處理實際數據的能力;

3、應用性的，主要是利用大數據的方法解決具體行業應用問題的能力。

理論是基礎，實踐是工具，而應用則是目標與核心競爭力，一名合格的大數據專業畢業生應該具有讓數據產生價值的能力。

其中，理論素養的培養需要通過經典的數據數據課程，比如描述統計(含數據可視化)、迴歸分析、多元統計、機器學習(含深度學習)、時間序列、非結構化數據、運籌優化等，根據各學校的不同定位，以應用為導向，相應地開設基礎課程、核心課程或者選修課程。

實踐方面，則需要以下幾個方面的鞏固提高。

1、要強化SQL的訓練，這是在企業環境中，同數據庫基本的交互。

2、要強化R和Python的 訓練。就R而言，幾乎所有最新的統計方法，都能找到相應的package，是小樣本學習訓練的不二之選;而在實際的數據產業中，Python則是被用得最 多的編程語言。

3、並行計算能力的提升，主要針對兩種最常見的技術框架：Hadoop和Spark。

最後，無論理論和實踐功課做得多足，沒有一個真實的應用場景，都無法產生價值，所以還需要產業實踐。

比如，大數據與金融學結合催生出金融科技方 向，帶來了徵信、風控、自動化交易、機器人投資顧問等分支;

數據挖掘與生物學結合產生了計算生物學方向……而這些大數據應用都需要深入企業真實項目和案例的實戰。

培養的層次區別

社會對大數據人才的需求是多層次的，大數據人才的培養也應該有區別有重點。如果說碩士層次注重職業發展的廣度和綜合運用能力，本科注重紮實的學科基礎和工程實踐能力，而專科側重具體的崗位的技術運用能力。

比如，高職高專學校怎麼建設大數據專業呢?從事數據挖掘的人都知道，數據挖掘的80%工作量都在數據清洗準備。這個工作又繁瑣，又消耗大量的人力，但是對技能水平要求並沒有那麼高，那麼高職高專學校正好可以培養大量大數據準備人才。

任何專業人才的培養，任何一個學科的發展壯大，都離不開完整的教學體系、貼合的教學內容、適用的實踐應用平臺以及過硬的師資水平，大數據專業亦是如此。所以對於大數據專業的申報而言，如果能統一整合以上各方面資源，那麼專業建設將會變得事半功倍。

二、數據科學與大數據技術專業都學些什麼?

主幹課程

數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐、離散數學、概率與統計、算法分析與設計、數據計算智能、數據庫系統概論、計算機系統基礎、並行體系結構與編程、非結構化大數據分析等。

學科要求

善於做需求分析、寫代碼;善於與人溝通，喜歡探索未知;需要根據數據推演、分析、提出解決方案，有數據思維;需要持續保持學習狀態;內性格上能動能靜。

知識能力

1.具備紮實的數據基礎理論和基礎知識；

2.具有較強的思維能力、算法設計與分析能力；

數據科學與大數據技術專業屬於交叉學科，以統計學、數學、計算機為三大支撐性學科;生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。此外還需學習數據採集、分析、處理軟件，學習數學建模軟件及計算機編程語言等，知識結構是二專多能複合的跨界人才。

以中國人民大學為例（附高考錄取數據，詳細數據請查閱家長志願課堂）：

大學課程設置

基礎課程(38學分)：數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐。

必修課(37學分)：離散數學、概率與統計、算法分析與設計、數據計算智能、數據庫系統概論、計算機系統基礎、並行體系結構與編程、非結構化大數據分析。

選修課：數據科學算法導論、數據科學專題、數據科學實踐、互聯網實用開發技術、抽樣技術、統計學習、迴歸分析、隨機過程。

三、數據科學與大數據技術專業人才需求情況怎樣?

根據領英發布的《2016年中國互聯網最熱職位人才報告》顯示，研發工程師、產品經理、人力資源、市場營銷、運營和數據分析是中國護理萬網行業需求最旺盛的職位。

目前國內有30萬數據人才，預計2019年，大數據人才需求將有大幅增長，高端人才如大數據科學家的缺口在14萬至19萬之間。

懂得利用大數據做決策的分析師和經理缺口達到150萬，數據分析師現在需求就很旺盛了，2年工作經驗的月薪可達到8K，碩士學歷的數據分析師月薪可達到12K，5年工作經驗的可達到40萬至60萬元。

四、數據科學與大數據技術專業可以從事的工作有哪些?

重視數據的機構已經越來越多，上到國防部，下到互聯網創業公司、金融機構需要通過大數據項目來做創新驅動，需要數據分析或處理崗位也很多;常見的食品製造、零售電商、醫療製造、交通檢測等也需要數據分析與處理，如優化庫存，降低成本，預測需求等。

人才主要分成三大類：大數據系統研發類、大數據應用開發類、大數據分析類，熱門崗位有：

（一）大數據系統架構師

大數據平臺搭建、系統設計、基礎設施。

技能：計算機體系結構、網絡架構、編程範式、文件系統、分佈並行處理等。

（二）大數據系統分析師

面向實際行業領域，利用大數據技術進行數據安全生命週期管理、分析和應用。

技能：人工智能、機器學習、數理統計、矩陣計算、優化方法。

（三）數據分析師

不同行業中，專門從事行業數據蒐集、整理、分析，並依據數據做出行業研究、評估和預測的專業人員。在工作中通過運用工具，提取、分析、呈現數據，實現數據的商業意義。

作為一名數據分析師，至少需要熟練SPSS、STATISTIC、Eviews、SAS、大數據魔鏡等數據分析軟件中的一門，至少能用Acess等進行數據庫開發，至少掌握一門數學軟件如matalab、mathmatics進行新模型的構建，至少掌握一門編程語言。

（四）數據挖掘工程師

做數據挖掘要從海量數據中發現規律，這就需要一定的數學知識，最基本的比如線性代數、高等代數、凸優化、概率論等。經常會用到的語言包括Python、Java、C或者C++，我自己用Python或者Java比較多。

有時用MapReduce寫程序，再用Hadoop或者Hyp來處理數據，如果用Python的話會和Spark相結合。

（五）大數據可視化工程師

隨著大數據在人們工作及日常生活中的應用，大數據可視化也改變著人類的對信息的閱讀和理解方式。

從百度遷徙到谷歌流感趨勢，再到阿里雲推出縣域經濟可視化產品，大數據技術和大數據可視化都是幕後的英雄。

中國人民大學與人大、北大、中科院大學、中財、首經貿五校聯合培養數據分析碩士第一屆畢業生（55人）就業情況：

金融、銀行等：21人;

出國、讀博等：5人;

國家事業單位：6人;

其它：2人。

五、數據科學與大數據技術專業學習建議

人才培養與行業發展存在差距。由於教學大綱更新不會太及時，大數據人才7年畢業(本科四年、碩士研究生三年)後，所學恐怕落後於行業發展。

大數據人才的典型勝任特徵：善於做需求分析、寫代碼;善於與人溝通，喜歡探索未知;需要根據數據推演、分析、提出解決方案，有數據思維;需要持續保持學習狀態;內性格上能動能靜。

不同辦學層次的院校開設此專業，培養模式會有差異。

高職類院校學生由於數學基礎相對薄弱，會跟多偏向於工具的使用，如數據清洗、數據存儲以及數據可視化等相關工具的使用。

本科院校會傾向於大數據相關基礎知識全面覆蓋性教學。

在研究生段則會專攻某一技術領域，比如數據挖掘、數據分析、商業智能、人工智能等。

六、就業前景

眼下正是新一屆大學生的校招季。這兩天，一則消息引發了很多人的關注：AI應屆博士的年薪已經從去年的 50 萬元一下漲到了 80 萬元。但是，由於人才缺口巨大，即使是提高到了80 萬元年薪，企業還是難尋人才。

為什麼同樣是博士，大多數理學博士、工學博士的起薪都從十幾、二十萬起步，而AI博士已如此金貴？

據《 2017 全球人工智能人才白皮書》顯示，人工智能領域人才分佈極不平衡，全球AI領域人才約 30 萬，而市場需求卻在百萬量級。全球共有 367 所具有人工智能研究方向的高校，每年畢業AI領域的學生約 2 萬人，遠遠不能滿足市場對人才的需求。據有關專家估計，中國人工智能學科人才需求缺口每年接近 100 萬!

如果你是在校學生，或者說學生家長，請花一點時間，讀讀這位斯坦福大學博士、上海財經大教授葛鼕鼕去年應文匯報邀請撰寫的文章。除了高薪，關於AI的前景，你需要有更全面的洞察，並儘早行動。

早在去年，葛鼕鼕在接受文匯報記者採訪時披露，“現在，一位高水平的、專攻人工智能領域的人才，即便是剛出校門的本科畢業生，年薪幾十萬元的比比皆是。有的企業甚至用七八十萬元年薪招聘這個方向的博士生，而我們培養的人才卻供不應求，甚至已經無人可供。”

數據化對各行業的衝擊，比預想的更猛烈

時至今日，很多年輕的學生對大數據與人工智能充滿了好奇。不管你今後是否要進入這個領域學習，不管你對大數據和人工智能的認知是怎樣的，在你知道了以下這些事實後，至少會意識到一點：年輕的你們不管今後要從事哪個具體領域的工作，都已經無法規避大數據和人工智能對你產生的影響。

斯坦福大學前商學院院長Garth Saloner (高斯·塞隆那)　在臨離任前發給MBA學生的推特內容是：“如果你還在學校的話，最應該做的是到工學院去，學習任何和人工智能、深度學習、自動化等相關的知識!　此刻!”

行走在科研前沿，學術界同行已經越來越感到，我們的科研方式在受到大數據的衝擊。而我們每個人或多或少都能認知到：世界與以往不再那麼的一樣，它在改變，速度越來越快。

事實上，人類的知識進化，過去幾年，正在以一個前所未有的加速度在進行。而這一切的發生，原動力來自於世界的數據化進程加快。相應的，大數據處理技術進化和完善也相當迅速，同時使得建立在此基礎上的人工智能技術也進入了一個忽然加速、甚至技術爆炸的時期。

現在的每一天，我們都可以感受到這些改變。當你打開手機，新聞客戶端的推送是高度個性化的新聞，這是推薦系統在默默為你揀選你最可能感興趣的信息。當你走出家門，網約車的出現讓你感受到交通的便利和分享經濟的實惠。而網約車的背後，則是一個基於整個城市實時交通狀況的平臺———是它在計算你的呼叫滿足方式。在你信用卡的申請裡，銀行考慮的不再僅僅是傳統的金融數據記錄，你度假的選擇、午餐的方式，甚至於敲擊鍵盤的大小寫偏好，都成為對你這個用戶分析的一個維度上的數據，進入對你的評估系統。

往外去看，人工智能和大數據帶來的社會變革比比皆是。自動化交易系統的進入，使得高盛在紐約現金股票交易櫃檯的交易員從2000年頂峰時期的600人縮減到今天的2人。波士頓動力公司開發的機器人，已經可以在複雜地形上縱跳如飛。谷歌開發的人工智能選手，已經在圍棋人類最複雜的智力遊戲上擊敗人類。卡耐基梅隆開發的德州撲克人工智能，已經在這個兼有博弈與計算的遊戲上擊敗人類世界冠軍。而這些智能依然處在一個進化的狀態，但是已經越過人類這個奇點，它必然會絕塵而去，將我們徹底拋離。

以數據化形式展開的活動將來會是金融等行業的主流，很多可重複、思想度略低的工作很快會被機器所取代，這個趨勢的來臨，遠比人類預想的猛烈。

在盤點了這些熱點事件背後，讓我們再來談談技術的發展。最近10年來，數據積累的急劇增加和針對數據的全鏈條技術整體成熟，是催生大數據浪潮以及接踵而來的人工智能熱潮的關鍵因素。粗略來講，在整個產業和技術鏈條上，包括了數據的提取與清洗　(網絡爬蟲，結構化)，存儲與讀取　(大數據架構系統/數據庫技術)，規律分析與挖掘　(統計學習/機器學習/深度學習)，建模與計算　(優化算法/並行計算軟硬件技術)，再到實際對接多個應用領域。

這其中，硬件和系統進步非常重要。例如，Spark，Hadoop等使得並行存儲和計算前所未有得容易實現；GPU在並行計算的成熟，使得人工智能的很多大規模並行計算任務，特別是深度學習等算法，可以以更低代價更高效快速執行。計算和建模技術的進展，特別是機器學習　(去年以來熱點遷移到了深度學習)　在GPU並行計算等硬件支撐下，結合大數據處理技術快速興起，使得極多的傳統實際問題的解決方式，可以被機器學習在足夠數據訓練下更精確的結果和更簡單的建模方式擊敗。暴力美學，一至於斯！

這些趨勢，在很多細分領域已經非常明顯。這些領域紛紛根據自己需求，啟動相應的研究。例如，在企業運營中，電商巨頭京東去年底提出“智慧供應鏈”，對供應鏈管理的幾個關鍵核心，從運用機器學習和運籌優化技術，建立起基於數據驅動的智能分析系統，包括了根據歷史與環境自動智能定價系統，實現自動補貨和調貨的智能庫存系統，物流中的無人倉機器人智能系統等。

在金融領域，突破了傳統意義的金融模型，基於更廣泛大數據的徵信系統、風控系統，已經廣泛地被運用在國內多個銀行。有更多財經的事務，包括個人理財、資產管理，會計等———這些本來的白領工作，即使看上去似乎有一定複雜技術，但因其具有重複性，大趨勢已經顯示，非常大的工作份額會被人工智能吞噬。

再如區塊鏈，比特幣即為區塊鏈的一個初級應用形式。比特幣是用來交易的，而之前的任何一種交易，在數字化之後，怎麼樣讓它安全穩定、怎樣省略中間複雜的程序才是人類關注的重點。區塊鏈完美解決了這個問題，比如原來要蓋數十個章、寫幾十個文檔的跨境貿易，應用區塊鏈後可以做到瞬時反應、電子文檔瞬時生成，電子簽章很難被破解也很難被偽造和篡改。

在企業生態上，大數據和人工智能產生的具體影響，體現為商業巨頭與創業者齊飛競爭的態勢。

去年開始，從美國到中國，幾乎所有的熱點大公司，都開始了自覺自發的轉型：向科技公司，或者以科技驅動的××公司努力。事實上，這些公司在人才的積聚和技術的積累上，有著自己雄厚的先發優勢和資金優勢。全面地如提出“新零售”概念的阿里、旗下科技驅動的金融公司螞蟻、物流公司菜鳥、在語音識別領域獨步天下的科大訊飛、無人機領域世界第一的大疆，都已經在向行業巨頭進化。

小的創業公司更是如火如荼，如斯坦福運籌與優化算法背景的智能商業公司杉數科技，清華交叉信息學院創業背景的視覺識別公司Face++，香港中文大學教授創業的商湯科技等，都帶有濃厚的學術氣息。

業界擁有雄厚的資金和高水平的科研氛圍，這使得人才的天平正嚴重地向業界傾斜。

這一輪浪潮，使得人工智能，甚至相關的大數據、統計、運籌優化，計算機等多個學科都成為了搶手的存在。一個非常明顯的趨勢就是大公司對相關知識重視程度前所未有。公司內部的研究團隊，如微軟、谷歌、百度、騰訊等，都有自己的研究院，很多擔任著引領行業科技發展的角色。而且因為其擁有豐富的數據資源和實際背景，使得傳統上學界掌控科技前沿的狀況，已逐步演變為學界和業界互相促進互相競爭，甚至於業界領先學界，將學界拋離。這個趨勢在國內將特別明顯。其次，業界和高校之間，人才的拉鋸戰也會特別明顯。2015年5月，非常轟動的一個新聞就是優步　(Uber)　從卡耐基梅隆大學聯邦機器人工程中心　(NREC)，從教授到博士後，將一個研究所挖走了40多人，基本清空了。

從國內來講，數據、算法、人工智能的專家都特別昂貴難招。高校的優秀人才引入，更是遇到了前所未有的挑戰。此外，一個明顯的特點就是數據的價值也被充分發掘出來，數據變得特別的“值錢”，在很多業界已經被認為是公司的最核心價值體現。

事實上，數據科學已經成為一個成熟的專業，在國外多數高校，數據科學的本科到博士學位項目都已經非常完備，也是受學生和用人單位歡迎的項目。例如，斯坦福的數據碩士項目設置在工學院的高等計算所下，學生需要從管理科學與工程，統計、數學、計算機等多個學院選課來完成項目。紐約大學的數據科學碩士項目，就業火爆，2017年有1500多名申請人，錄取不到100人。在國內，過去兩年，包括北京大學、復旦大學在內的35所高校設置了此專業。教育部已經將數據科學與大數據定義為新工科專業予以正式備案登記。

眼下，數據科學與人工智能領域雖然大熱，特別是深度學習，看似橫掃一切，但它真正進入人們視線，基本是從2012年Geoffrey Hinton教授等人在視覺圖像識別大獲成功後才真正引起重視。所以回到原點審視的話，深度學習依然是一個充滿未知、有待人類去探索的領域。在應用層面，例如深度學習和機器學習的一些複雜算法雖然高效，但是因其黑箱子性質，穩定性沒有理論保證，使得一些避險領域　(如金融)　依然會讓人心有疑慮，這也是研究者該去孜孜不倦探索與回答的挑戰。

但是無論如何，人工智能這個似乎昨天還在蹣跚學步的嬰兒，忽然間已經成為了強壯高大的巨人，開始迅速接管人類的各行各業。

斯坦福大學吳恩達教授曾經做過一個比喻：“就像100年前電的發明改變了所有行業、農業、製造業、鐵路、通信等等，我覺得人工智能就像100年前的電力，也能為幾乎所有行業帶來巨大改變。”而這個未來，正以一個可怖的速度，呼嘯而來，與並未做好準備的我們迎面碰撞。

未來已來，我們能做的，只能是盡我們最大的努力，張開雙臂，去迎接更美好的明天！

綠茶清歡渡

這個專業很好！

判斷一個專業，可以從學校學科建設和人才需求兩個層面來進行判斷，學科建設意味著教育資源的投入與重視程度，市場人才需求則直接反應出就業前景。

大數據專業在高校的學科建設

大數據專業好不好？這個一定需要看看貴州大學的招生。為什麼呢？因為貴州這幾年大力發展大數據產業，已經在貴陽舉辦了好幾屆世界級大數據會展，可見其產業號召能力。

以貴州大學為首的高校，在大數據專業建設上可是很重視的。貴州大學設有大數據專業的，其歸屬於國內一流建設學科！！

資料來源：http://www.gzu.edu.cn/251/list.htm

根據貴州大學的官網資料顯示：

大數據科學與工程系下設信息管理與信息系統專業與物聯網工程專業，核心使命是為貴州乃至全國大數據產業培養中、高端人才，採用“3+1”的新型人才培養模式，結合貴州乃至全國大數據產業發展實際，實現產學研一體化的培養體系，為貴州省發展大數據產業提供智力支持和人才保障。

貴州大學大數據與信息工程學院學科群已經發展成為在國內外有一定知名度，在貴州省具有不可替代地位的優勢學科群。如今，學院培養的各級各類畢業生已經成為貴州乃至全國各高校及電子與信息產業中的重要技術骨幹力量，他們相繼成為全國工業、交通、能源、電信、金融、傳媒、教學、科研等行業部門的業務骨幹和負責人，為貴州省的地方信息產業以及我國的現代化建設做出了重要貢獻。

以上資料可見大數據專業的厲害之處了吧！

市場需求看大數據專業人才情況！

人才培養之後要發揮社會價值才能真正體現專業前景。在市場化經濟中，以企業招聘用人為主要的人才需求可見：大數據專業是極為緊缺的人才之一。而且大數據專業人才的薪資水平也處於較高水平。

根據BOSS直聘給出的數據顯示，在2018年旺季人才最為緊缺的十大崗位中，數據開發位列其中。

如果上圖還不夠直觀，其實你只要打開各大招聘網站，輸入大數據，可見招聘需求給出的薪資待遇是怎樣的。薪資待遇也能直觀反映市場需求。

雲際視界

數據科學與大數據技術專業

一、專業介紹

①大數據採集與管理專業屬於工學，是從大數據應用的數據管理、系統開發、海量數據分析與挖掘等層面系統地幫助企業掌握大數據應用中的各種典型問題的解決辦法的專業。

②目前已有283所高校獲批開設數據科學與大數據技術專業，在全國普通高等學校中佔比近10%。

二、主要課程

C程序設計、數據結構、數據庫原理與應用、計算機操作系統、計算機網絡、Java語言程序設計、Python語言程序設計，大數據算法、人工智能、應用統計（統計學）、大數據機器學習、數據建模、大數據平臺核心技術、大數據分析與處理,大數據管理、大數據實踐等課程。

三、畢業方向

①在政府機構、企業、公司等從事大數據管理、研究、應用開發等方面的工作（例如:大數據系統架構師、大數據系統分析師、hadoop開發工程師、數據分析師等）

②可以繼續讀研深造。考取軟件工程、計算機科學與技術、應用統計學等專業的研究生或出國深造。

我是小時ing ，希望以上信息對大家有所幫助

小時ing

‘數據科學與大數據’專業在目前的專業中算是一個‘年輕’的專業。該專業是在2016年獲批設置的，隨後的幾年中眾多高校開始設置該該專業。在2017年有248所高校申請獲批，佔新增專業申請高校的1/3。發展狀態十分火熱。

培養目標

該專業主要培養具有大數據思維、運用大數據思維及分析應用技術的高層次大數據人才。掌握計算機理論和大數據處理技術，掌握大數據應用中的各種典型問題的解決辦法，解決實際問題的能力，具有將領域知識與計算機技術和大數據技術融合、創新的能力，能夠從事大數據研究和開發應用的高層次人才。由此可見，該專業主要以計算機與數據分析為基礎，並結合相關領域知識，培養複合型人才。

課程設置

目前課程有C程序設計、數據結構、數據庫原理與應用、計算機操作系統、計算機網絡、Java語言程序設計、Python語言程序設計，大數據算法、人工智能、應用統計（統計學）、大數據機器學習、數據建模、大數據平臺核心技術、大數據分析與處理,大數據管理、大數據實踐等課程。

就業前景

從總體上看，專業人才需求量大。尤其是大數據科學家和數據分析師的崗位缺口非常大。同時伴著互聯網互聯網＋上升為國家戰略，該專業就業前景還是很好的。日後主要是政府機構、企業、公司等從事大數據管理、研究、應用開發等方面的工作。同時也可以考取軟件工程、計算機科學與技術、應用統計學等專業的研究生或出國深造。

但與此同時，在報考該專業時還是要慎重。其一，由於該專業出現時間不是很長，部分學校的師資隊伍建設不是很完備，在挑選學校時要擦亮眼睛。其二，該專業對學生的數學基礎要求較高，對於數學不太‘敏感’的同學最好慎重考慮。其三，在日後走上工作崗位，工作壓力是非常大，要有心理準備。

以上就是我搜集到的信息以及個人的觀點，希望對您有所幫助。

阿尤短文

這個專業在實際工作中會接觸spark，hadoop，flink，storm，zookeeper，kalfka等大數據技術，還有各種機器學習算法，深度學習，tensorflow等。可以做推薦系統，研發大數據平臺等互聯網工作，工資還還高得誘人。

求真求實471

數據科學與大數據是二個概念，數據科學指的是數字的序列黃金週期倫回，及數在事物現象上匹配應用，用的是純數字技術，如易精梅花四拄等裡的術數應用是數據應用。那麼大數據技術是統計學範籌，如你上網，後臺可以把你喜歡登陸的哪個方面時長次數等地域等等反映給大數據中心，再給你精準投廣告，提高廣告的效率。術數超時空金融預測術

黃金時空

這個專業倒是非常不錯，重點看這個專業在該學校的地位或者定位如何，如果是重點學科的話，你選擇這個專業那真是非常不錯了，如果是個雞肋的專業，那你讀下來後，可能含金量就沒有那麼高了。

不管怎麼樣，事在人為，如果你有心要學好，即便這個專業再怎麼偏，只要你有心學習技術，出來後，也是錢途無量的。

加油~~

關鍵字: 大數據 數據 專業