掃一掃什么是數據科學與大數據技術?
來源：未知 時間：2018-23-23 瀏覽次數：385次
什么是數據科學與大數據技術?，各種業務系統如OA，CRM，ERP，電商平臺產生大量數據，人們日常生活，衣，食，住，行產生行為數據。
不管你是否認同，大數據時代已經來臨，并將深刻地改變著我們的工作和生活，世界已經進入由數據主導的“大時代”。
近年來，高校新設置的“數據科學與大數據技術”專業變得炙手可熱，那么該專業培養目標是什么？學些什么？專業前景如何？對學生又有哪些要求呢？
熱門專業
2018年3月21日，教育部公布了《2017年度普通高等學校本科專業備案和審批結果》，共有862所高校新增了2311個專業。其中最熱門的專業當屬當屬“數據科學與大數據技術”，共有248所高校申請獲批，占新增專業申請的高校數超過1/3。
根據教育部在2012年發布了《普通高等學校本科專業目錄》，“數據科學與大數據技術”并不在其中，屬于目錄外專業，需要審批設置。該專業最早在2016年獲得批準設置，在教育部公布的《2015年度普通高等學校本科專業備案和審批結果》中，有北京大學、對外經濟貿易大學、中南大學3所高校獲批。
而在2017年教育部公布的《2016年度普通高等學校本科專業備案和審批結果》中，獲批新增“數據科學與大數據技術”專業的高校達到了32所。
可見，三年來，開設“數據科學與大數據技術”專業的高校數量迅速膨脹，累計達到了284所。
如此多的高校對它青睞有加，“數據科學與大數據技術”到底是一個什么專業？
培養目標與學習內容
“數據科學與大數據技術”專業是培養以計算機科學、統計分析為基礎，具備經濟、金融、物流、商業、貿易、 管理等相關學科的領域知識，能推動并引領未來全球“互聯網 +”、云計算、大數據技術在各領域的深入應用，具有較強的實踐創新能力、跨文化交流能力和跨領域研究能力的高素質復合型人才。
從上述培養目標可以看到，該專業的核心是計算機和統計分析，但需要具備多個領域的相關知識，培養目標也是復合型人才。
在課程設置上，除了基本的計算機學科和統計學課程，還包括了微觀經濟學、計量經濟學、國際金融、搜索引擎、自然語言處理、數據可視化、機器學習、模式識別以及大數據技術平臺等相關課程。
專業“錢”景
“數據科學與大數據技術”專業培養的是當下最熱門的大數據、云計算、人工智能、算法分析等行業急需的人才。
全球頂尖管理咨詢公司麥肯錫分析報告顯示，到2018年，大數據或者數據工作者的崗位需求將激增。其中大數據科學家的缺口在14萬到19萬之間，對于懂得如何利用大數據做決策的分析師和經理的崗位缺口則將達到150萬！
從國內就業市場來看，根據BOSS直聘發布的《2017春季互聯網人才趨勢報告》，大數據和人工智能相關崗位出現全行業的旺盛需求，人才供給嚴重不足。其中，缺口較大的是搜索算法，供給量只能達到需求的44%，還有56%的缺口；推薦算法的缺口比例為50%，算法研究員的為43.9%，圖像算法的為43%，深度學習的缺口量排在第十，為33.8%。
從國家層面上看，”互聯網+”已經上升為國家戰略，以大數據戰略為牽引，以信息安全、傳感器、人工智能等為重點，打造新一代信息技術產業集群。2017年7月，國務院印發《新一代人工智能發展規劃》，明確提出我國新一代人工智能“三步走”發展戰略，人工智能產業要成為新的重要經濟增長點，助推我國產業升級和經濟轉型，并成為世界主要人工智能創新中心。
在就業“錢景”方面，各大互聯網公司都在囤積大數據處理人才，從業人員的薪資待遇也很不錯。以基本的Hadoop開發工程師為例，入門月薪已經達到了8K 以上，工作1年月薪可達到 12K 以上，資深的hadoop人才年薪可達到30萬—50萬。
熱門專業的冷思考
看到這里，是不是對“數據科學與大數據技術”專業躍躍欲試呢？
對于熱門專業，我們的思考！
就像前幾年大熱的物聯網工程專業，很多學校一哄而上，但是專業課程設置不合理，計算機和通信的課程搞成大雜燴，兩邊的核心內容都沒學好。師資也是趕鴨子上架，上課就是念念PPT，考試也是走過場。畢業出來，才發現基礎知識不牢靠，后悔也遲了。
對于高校來說，開設“數據科學與大數據技術”專業，需要有多學科的專業積淀，需要有經驗的師資隊伍，更需要有行業背景。很多高校只是因為專業熱門，就拼拼湊湊開設起來，其實各方面積累很不夠，學生報考時需要檫亮眼睛。
對于學生來說，該專業對數理統計、計算機科學的知識要求很高，數學基礎不牢靠的學生需要慎重選擇。再者，對于將來當“碼農”辛苦加班的日子也要有心理準備哦。
對于很多同學來說，筆者建議在本科階段深入學習一門本科專業，如計算機類、數學類、統計學類，然后再考研深造大數據類、人工智能的專業，既具有深厚的底蘊，又具備鮮明的專業特點，才能有更大的發展空間。
什么是數據科學與大數據技術?大數據技術離不開數學科學與計算機科學，是人工智能發展的前提基礎
- 上一篇: 十個常用深度學習算法
- 下一篇: 農業大數據應用經典案例