㈠ 计算机专业 大数据和数据科学

应该抄说，使用了大数据。
数据科学奠定了重要的基础，并解析了大数据集，来创建可能非常重要的初始观察，未来趋势和潜在见解。这些信息本身对于一些领域是有用的，尤其是建模，提高机器学习以及增强AI算法，因为它可以改进信息的分类方式和理解方式。
数据科学家的主要目标是找出问题并找出潜在的研究途径，而不用担心具体的答案，更多的重点放在寻找正确的问题上。专家通过预测潜在趋势，探索不同和不相关的数据来源，并找到更好的分析信息的方式来实现这一点。

应该还有一个专业叫数据分析。

这2个专业是硬币的一体两面。建议同时修2个专业。

㈡ 计算机(大数据方向)是做什么的

1、帮助政府实现市场经济调控、公共卫生安全防范、灾难预警、社会舆论监督；

2、帮助城市预防犯罪，实现智慧交通，提升紧急应急能力；

3、帮助医疗机构建立患者的疾病风险跟踪机制，帮助医药企业提升药品的临床使用效果，帮助艾滋病研究机构为患者提供定制的药物；

4、帮助航空公司节省运营成本，帮助电信企业实现售后服务质量提升，帮助保险企业识别欺诈骗保行为，帮助快递公司监测分析运输车辆的故障险情以提前预警维修，帮助电力公司有效识别预警即将发生故障的设备。

(2)计算机大数据介绍扩展阅读

统的认知大数据，必须要全面而细致的分解它，着手从三个层面来展开：

第一层面是理论，理论是认知的必经途径，也是被广泛认同和传播的基线。在这里从大数据的特征定义理解行业对大数据的整体描绘和定性；从对大数据价值的探讨来深入解析大数据的珍贵所在；洞悉大数据的发展趋势。

第二层面是技术，技术是大数据价值体现的手段和前进的基石。在这里分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程。

第三层面是实践，实践是大数据的最终价值体现。在这里分别从互联网的大数据，政府的大数据，企业的大数据和个人的大数据四个方面来描绘大数据已经展现的美好景象及即将实现的蓝图。

㈢ 学习计算机大数据

高中生可以学习大数据的，大数据的基础就是java语言，高中生已经具备了学习java语言的基本条件，学习是不成问题的，前提是得肯下功夫，用心学，java后期的课程就是大数据。

㈣ 电脑专业大数据是什么鬼

对于“大数据”（Big data）研究机构Gartner给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
麦肯锡全球研究所给出的定义是：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
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。换而言之，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”。
从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式架构。它的特色在于对海量数据进行分布式数据挖掘。但它必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术。
随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。《著云台》的分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapRece一样的框架来向数十、数百或甚至数千的电脑分配工作。

㈤ 大数据有什么技术，大数据技术内容介绍

1、数据采集与预处理

Flume NG，实时日志收集系统

Sqoop，用来将关系型数据库和Hadoop中的数据进行相互转移的工具

流式计算strom，spark streaming等

Zookeeper，是一个分布式的，开放源码的分布式应用程序协调服务

2、数据存储

Hadoop，一个开源的框架，专为离线和大规模数据分析而设计，HDFS作为其核心的存储引擎，已被广泛用于数据存储。

HBase，是一个分布式的、面向列的开源数据库

Yarn是一种Hadoop资源管理器，可为上层应用提供统一的资源管理和调度

Redis是一种速度非常快的非关系数据库

3、数据清洗

MapRece作为Hadoop的查询引擎，用于大规模数据集的并行计算

4、数据查询分析

Hive的核心工作就是把SQL语句翻译成MR程序，可以将结构化的数据映射为一张数据库表

Spark 启用了内存分布数据集，除了能够提供交互式查询外，它还可以优化迭代工作负载。Spark 是在 Scala 语言中实现的，它将 Scala 用作其应用程序框架

5、数据可视化

主流的BI平台比如，国外的敏捷BI Tableau、Qlikview、PowrerBI等，国内的SmallBI和新兴的网易有数等。

㈥ 大数据主要学什么内容

大数据开发工程师是大数据领域一个比较热门的岗位，有大量的传统应用需要进行大数据改造，因此岗位有较多的人才需求。这个岗位需要掌握的知识结构包括大数据平台体系结构，比如目前常见的Hadoop、Spark平台，以及众多组件的功能和应用，另外还需要掌握至少一门编程语言，比如Java、Python、Scala等。

大数据分析师是大数据领域非常重要的岗位，大数据分析师需要掌握的知识结构包括算法设计、编程语言以及呈现工具，算法设计是大数据分析师需要掌握的重点内容，而编程语言的作用则是完成算法的实现。另外，大数据分析师还需要掌握一些常见的分析工具。

大数据运维工程师的主要工作内容是搭建大数据平台、部署大数据功能组件、配置网络环境和硬件环境、维护大数据平台，大数据运维工程师需要具备的知识结构包括计算机网络、大数据平台体系结构、编程语言（编写运维脚本）等，通常情况下，大数据运维工程师也需要对数据库有深入的了解。