大家好,又见面了,我是你们的朋友全栈君。
大数据管理与应用专业:
数据科学教育特点:不仅依赖于传统的信息管理于信息系统专业,更依赖于计算机、数学、统计等学科。大数据专业十一门涉及广泛的交叉性的学科。
大数据时代的下的理念(维克托·迈尔·舍恩伯格):一是更相关性而不是因果性;二是更关注数据的纷繁复杂,而不是数据的精准;三是全部数据,而不是抽样数据。
维克托·迈尔·舍恩伯格:维克托·迈尔-舍恩伯格是十余年潜心研究数据科学的技术权威,是最早洞见大数据时代发展趋势的数据科学家之一,也是最受人尊敬的权威发言人之一。
**目前的形势:**目前国内新增院校还不多,因此相关培养方案的设定缺乏足够的参考,也无现成的经验可以利用。
大数据管理与应用和以下两种专业的区别:
信息管理与信息系统(信管)
- 特点:
- 侧重信息技术和经济管理应用的结合,传统常见领域有企业信息化(MIS等)、信息咨询(ERP实施等)、互联网信息服务(包括信息检索、信息组织等)
- 目前相关高校对于此专业往往会根据自己的特点,进行有针对和有特色的适应化改造,如清华大学和西安交通大学等。有的院校更加侧重信息分析能力的培养,如武汉大学、南京大学等。
- 专业内容上:
- 宏观上:设置信管专业正是我国企业实施信息化建设的高峰期,社会对具有一定企业运行只是又动信息技术的信息化人才需求很大。但是随着时代的发展,如何深度融合互联网并利用互联网来改造传统企业信息化流程则是更为现实的挑战。
- 微观上:专业知识内容随着大数据处理自身的发展特点而发生着较大的变化。传统的信息分析方法侧重于统计方法和传统数据挖掘方法的应用,在面对海量数据的资源的大数据时代,亟需创新与变革。
注:信管专业开始向大数据相关专业转变,其中印第安纳大学——普渡大学印第安纳波利斯联合分校在博士阶段也增设了数据科学专业教育。
数据科学与大数据技术
- 从学科定位看,该专业呈现明显的工科特点,大都是由计算机科学类专业所在学院增设,
- 从定位来看,该专业在强调数据科学多学科交叉特点基础之上,可以将社会科学、计算机科学、统计学、管理学和法学等多学科知识融入现有课程体系重,更注重培养学生的研究设计和项目开发能力,要求学生能综合运用计算机科学和应用数学的知识来分析与处理大规模数据收集的能力,具体包括数据清洗、存储与检索、挖掘与探索、数据可视化、道德与隐私、数据分析、沟通与呈现等内容。
数据科学与大数据技术专业涉及的内容主要由**数据模型、查询语言、数据库调优和优化、数据仓库以及并行处理等。**这门专业主要关注于“大数据本身的管理”,而后者更加侧重于“基于大数据的管理”。
大数据管理与应用的培养方案
- 目标:我们将该专业的人才培养定位为具有良好的数据科学基础,掌握面向互联网大数据环境的数据处理和分析方法、面向某行业数据管理方向的管理科学专业知识,具有较强的大数据管理能力和技术应用能力,熟悉现代某行业领域的大数据管理工作,能够承担各级各类组织机构特别是现代互联网企业和政府管理应用工作的复合型、应用型高级专门人才。
- 就业岗位:适应大数据获取与处理及大数据分析等不同领域需求,具体包括数据科学工程师、大数据分析工程师、大数据挖掘工程师、大数据可视化工程师等,而对于大数据应用开发工程师、大数据运维工程师、大数据技术研发工程师之类的岗位更适合数据科学与大数据技术专业。
- 师资方面:大数据管理应用方面的企业技术人才较为普遍,因此合理地加大与企业联合培养、引进行业应用案例、搭建产学研合作平台是大数据管理与应用专业师资队伍建设地必然之选。
课程体系
流程 | 具体课程 | 理论教学 | 实验教学 | 实验应用结合 |
---|---|---|---|---|
基础 | 计算机基础、程序设计语言 基础、数学、统计学 | 计算机基础、程序设计 语言基础、数学、统计学 | 虚拟化、Linux、Hadoop 集群环境安装部署 | |
大数据获取 | 大数据获取、信息检索 | 数据抓取、数据抽取、 数据预处理(数据清洗、 数据集成、数据变换、 数据规约)等 | Python 爬虫、Sqoop 数据导入导出工具、 Flume 数据采集 | 舆情抓取 |
大数据存储 | 数据库系统原理、数据结构、 大数据存储与处理 | 键值数据库、图数据库、 列族数据库、文档数据库、 HDFS、NewSQL数据库等 | HBase 分布式数据库、 Hive 数据仓库、R edis 内存数据库 | 微博信息存储 |
大数据处理 | 大数据处理、分布式计算 框架、云计算 | MapR educe、Hadoop、 Spark 等分布式计算方式 | MapR educe并行计算、 Spark 内存计算、Kafka 消息队列 | 推荐系统 |
大数据分析 | 数据挖掘、数据分析、 大数据分析方法、统计分析、 商业智能、大数据可视化 | 大数据分析技术、 分析预测模式、 大数据分析应用、 商务智能、案例研究 | Python 分析、R 语言 分析、大数据可视化 工具 | 互联网用户行为 分析、大数据营销 |
大数据 微观管理 | 大数据管理、大数据经济学、 大数据安全管理 | 大数据企业管理、 竞争情报、商业价值、 大数据经济、 大数据咨询等 | 大数据管理工具(Oracle、Microsoft、 东软等) | 基于大数据的生产 管理、销售管理、 客户关系管理、 财务管理、供应链 管理、人力资源 管理等 |
大数据 宏观管理 | 大数据战略决策、大数据隐私、大数据素养、互联网创新、产业转型(智能制造、现代农业、 智慧能源、智能医疗、数字教育) | 大数据战略决策、大数据隐私、大数据素养、互联网创新、产业转型(智能制造、现代农业、 智慧能源、智能医疗、数字教育) | 大数据战略决策、大数据隐私、大数据素养、互联网创新、产业转型(智能制造、现代农业、 智慧能源、智能医疗、数字教育) | 大数据战略决策、大数据隐私、大数据素养、互联网创新、产业转型(智能制造、现代农业、 智慧能源、智能医疗、数字教育) |
发布者:全栈程序员栈长,转载请注明出处:https://javaforall.cn/132757.html原文链接:https://javaforall.cn