㈠ 計算機專業 大數據和數據科學

應該抄說，使用了大數據。
數據科學奠定了重要的基礎，並解析了大數據集，來創建可能非常重要的初始觀察，未來趨勢和潛在見解。這些信息本身對於一些領域是有用的，尤其是建模，提高機器學習以及增強AI演算法，因為它可以改進信息的分類方式和理解方式。
數據科學家的主要目標是找出問題並找出潛在的研究途徑，而不用擔心具體的答案，更多的重點放在尋找正確的問題上。專家通過預測潛在趨勢，探索不同和不相關的數據來源，並找到更好的分析信息的方式來實現這一點。

應該還有一個專業叫數據分析。

這2個專業是硬幣的一體兩面。建議同時修2個專業。

㈡ 計算機(大數據方向)是做什麼的

1、幫助政府實現市場經濟調控、公共衛生安全防範、災難預警、社會輿論監督；

2、幫助城市預防犯罪，實現智慧交通，提升緊急應急能力；

3、幫助醫療機構建立患者的疾病風險跟蹤機制，幫助醫葯企業提升葯品的臨床使用效果，幫助艾滋病研究機構為患者提供定製的葯物；

4、幫助航空公司節省運營成本，幫助電信企業實現售後服務質量提升，幫助保險企業識別欺詐騙保行為，幫助快遞公司監測分析運輸車輛的故障險情以提前預警維修，幫助電力公司有效識別預警即將發生故障的設備。

(2)計算機大數據介紹擴展閱讀

統的認知大數據，必須要全面而細致的分解它，著手從三個層面來展開：

第一層面是理論，理論是認知的必經途徑，也是被廣泛認同和傳播的基線。在這里從大數據的特徵定義理解行業對大數據的整體描繪和定性；從對大數據價值的探討來深入解析大數據的珍貴所在；洞悉大數據的發展趨勢。

第二層面是技術，技術是大數據價值體現的手段和前進的基石。在這里分別從雲計算、分布式處理技術、存儲技術和感知技術的發展來說明大數據從採集、處理、存儲到形成結果的整個過程。

第三層面是實踐，實踐是大數據的最終價值體現。在這里分別從互聯網的大數據，政府的大數據，企業的大數據和個人的大數據四個方面來描繪大數據已經展現的美好景象及即將實現的藍圖。

㈢ 學習計算機大數據

高中生可以學習大數據的，大數據的基礎就是java語言，高中生已經具備了學習java語言的基本條件，學習是不成問題的，前提是得肯下功夫，用心學，java後期的課程就是大數據。

㈣ 電腦專業大數據是什麼鬼

對於「大數據」（Big data）研究機構Gartner給出了這樣的定義。「大數據」是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
麥肯錫全球研究所給出的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統資料庫軟體工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特徵。
大數據技術的戰略意義不在於掌握龐大的數據信息，而在於對這些含有意義的數據進行專業化處理。換而言之，如果把大數據比作一種產業，那麼這種產業實現盈利的關鍵，在於提高對數據的「加工能力」，通過「加工」實現數據的「增值」。
從技術上看，大數據與雲計算的關系就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單台的計算機進行處理，必須採用分布式架構。它的特色在於對海量數據進行分布式數據挖掘。但它必須依託雲計算的分布式處理、分布式資料庫和雲存儲、虛擬化技術。
隨著雲時代的來臨，大數據（Big data）也吸引了越來越多的關注。《著雲台》的分析師團隊認為，大數據（Big data）通常用來形容一個公司創造的大量非結構化數據和半結構化數據，這些數據在下載到關系型資料庫用於分析時會花費過多時間和金錢。大數據分析常和雲計算聯繫到一起，因為實時的大型數據集分析需要像MapRece一樣的框架來向數十、數百或甚至數千的電腦分配工作。

㈤ 大數據有什麼技術，大數據技術內容介紹

1、數據採集與預處理

Flume NG，實時日誌收集系統

Sqoop，用來將關系型資料庫和Hadoop中的數據進行相互轉移的工具

流式計算strom，spark streaming等

Zookeeper，是一個分布式的，開放源碼的分布式應用程序協調服務

2、數據存儲

Hadoop，一個開源的框架，專為離線和大規模數據分析而設計，HDFS作為其核心的存儲引擎，已被廣泛用於數據存儲。

HBase，是一個分布式的、面向列的開源資料庫

Yarn是一種Hadoop資源管理器，可為上層應用提供統一的資源管理和調度

Redis是一種速度非常快的非關系資料庫

3、數據清洗

MapRece作為Hadoop的查詢引擎，用於大規模數據集的並行計算

4、數據查詢分析

Hive的核心工作就是把SQL語句翻譯成MR程序，可以將結構化的數據映射為一張資料庫表

Spark 啟用了內存分布數據集，除了能夠提供互動式查詢外，它還可以優化迭代工作負載。Spark 是在 Scala 語言中實現的，它將 Scala 用作其應用程序框架

5、數據可視化

主流的BI平台比如，國外的敏捷BI Tableau、Qlikview、PowrerBI等，國內的SmallBI和新興的網易有數等。

㈥ 大數據主要學什麼內容

大數據開發工程師是大數據領域一個比較熱門的崗位，有大量的傳統應用需要進行大數據改造，因此崗位有較多的人才需求。這個崗位需要掌握的知識結構包括大數據平台體系結構，比如目前常見的Hadoop、Spark平台，以及眾多組件的功能和應用，另外還需要掌握至少一門編程語言，比如Java、Python、Scala等。

大數據分析師是大數據領域非常重要的崗位，大數據分析師需要掌握的知識結構包括演算法設計、編程語言以及呈現工具，演算法設計是大數據分析師需要掌握的重點內容，而編程語言的作用則是完成演算法的實現。另外，大數據分析師還需要掌握一些常見的分析工具。

大數據運維工程師的主要工作內容是搭建大數據平台、部署大數據功能組件、配置網路環境和硬體環境、維護大數據平台，大數據運維工程師需要具備的知識結構包括計算機網路、大數據平台體系結構、編程語言（編寫運維腳本）等，通常情況下，大數據運維工程師也需要對資料庫有深入的了解。