广西大学大数据专业怎么样？大数据管理专业学哪些课程？就业如何？

广西大学《数据科学与大数据技术专业》应该还在申请审批过程中，一般《数据科学与大数据技术专业》隶属于计算机信息类学院，《大数据管理与应用专业》是广西大学商学院或经济管理类学院下招生的管理学本科专业。

因为《数据科学与大数据技术专业》是工学学位，而《大数据管理与应用专业》是管理学学位。

数据科学与大数据技术专业【就业方向】：

1、大数据系统研发工程师（国内有这个需求就那么几十家大公司，一般以海龟、985本硕博、211硕博为主）【一般不是大数据职业认证证书来认可的】；
2、大数据平台应用开发工程师（基于开源大数据平台二次开发的，一般以985、部分211院校为主）【一般不是大数据职业认证证书来认可的】；
3、大数据分析师、大数据挖掘工程师、大数据建模算法工程师（以部分非强项CS学院211、二本、三本院校学生为主力军）【建议考HCIE大数据认证来作为行业认可的敲门砖】；
4、大数据应用技术运维工程师-通俗点就是Web可视化、应用可视化操作运维，跟大数据HCIA有一定关联（以高职院校学生为主）；
5、大数据商业与管理岗位：熟悉大数据业务、运营、管理的晋升岗位（偏向大数据管理与商业应用）。

大数据系统研发工程师、大数据平台应用开发工程师一般是985高校、211硕士不用通过大数据职业认证证书来认可的，而大数据分析师、大数据挖掘工程师、大数据建模算法工程师、大数据应用技术运维工程师可以通过大数据职业认证培训（比如：华为HCIE大数据挖掘认证）来提升自己（因为这些大学课堂学的知识比较有限）。
比如：

华为大数据开发高级工程师（HCIP-Big Data Developer）；
华为大数据运维高级工程师（HCIP-Big Data Operation & Maintenance）；
华为大数据挖掘专家（HCIE-Big Data-Data Mining）；
华为大数据分析与管理专家（HCIE-Big Data-Data Analysis & Management）；

大数据管理与应用专业、数据科学与大数据技术专业虽然属于不同学科，但是基础通识课和核心课部分课程是类似的，一个培养经济、管理思维大数据人才，一个是培养大数据挖掘、大数据算法技术类人才。
大数据管理与应用专业、数据科学与大数据技术专业《通识公共基础课》：

• 《社会主义理论与实践》
• 《大学英语》《专业英语》
• 《毛概邓伦马克思主义》
• 《高等数学》
• 《线性代数》
• 《微积分》
• 《概率论与数理统计》

数据科学与大数据技术专业《技术基础课》：

• 《计算机数据通信技术》：网络七层模型、静态路由、动态路由协议OSPF、NAT、ACL、VRRP、DHCP等网络通信技术；
• 《数据库原理与应用》​
• 《计算机操作系统-Linux常用运维基础》：Linux基本操作、Linux上服务器搭建与运维等；
• 《云计算技术》：云计算基础、计算虚拟化、存储虚拟化、大数据分布式存储技术、云服务模式IaaS/PaaS/SaaS部署与运维等；
• 《大数据存储技术》《大数据导论》

数据科学与大数据技术专业【核心课程】（建议考华为（HCIE大数据挖掘技术专家）认证）：

• 《数据科学原理与系统架构》含：Hadoop、Spark、NoSQL、R语言介绍
• 《大数据程序设计-Python编程语言设计》
• 《Hadoop大数据集群存储处理技术》
• 《大数据算法基础与数理统计》
• 《Python大数据挖掘分析与处理》含：大数据采集、网络爬虫等
• 《大数据建模与机器学习算法》
• 《大数据预处理与大数据可视化》
• 《机器学习与大数据挖掘分析案例实训》
• 《文本挖掘分析》或《数据分析白皮书》（选修）
• 《自然语言处理》（选修）

大数据管理与应用专业【商业管理通识课程】包括：

• 《微观经济学》
• 《宏观经济学》
• 《计量经济学》
• 《管理经济学》
• 《市场营销》
• 《管理统计学》
• 《运筹学》或《数据模型与决策》
• 《战略管理》或《商业管理决策》

大数据管理与应用专业【核心课程】（非985或非211大学建议大四考华为（HCIE大数据分析与管理专家）认证）：

• 《信息管理系统》
• 《大数据导论》或《数据科学原理》
• 《大数据程序设计-Python编程》（注意：未来掌握1门编程语言将是智能时代的1把工具，就像你要学会开车一样）
• 《搜索引擎商业分析》《文本挖掘商务数据分析》
• 《商务智能大数据与统计机器学习》（难度比大数据技术专业要低）
• 《大数据可视化应用》
• 《金融数据管理应用》
• 《大数据管理与治理》

大数据挖掘工程师、机器学习算法工程师岗位要求：

• 1、具有责任心，有较强的钻研学习能力，较好的沟通能力、团队合作，有超过3年大数据分析、挖掘、算法经验；
• 2、有大数据处理实战经验，熟悉整个大数据的完整处理流程，包括数据的采集、清洗、预处理、存储、分析挖掘和数据可视化；
• 3、掌握ETL相关经验，有数据库建模经验，灵活运用SQL实现数据ETL加工处理；
• 4、熟悉数据仓库建设相关的技术栈，例如：Hive，Hadoop、Spark，Flume，Kafka等多项大数据处理技术；
• 5、掌握Python、R、SAS、SPSS等数据挖掘技术及算法应用实践，如：LS线性回归、LS逻辑回归、SVM支持向量机、决策树、聚类、Apriori、FP-Growth、PrefixSpan、神经网络等算法；
• 6、理解大数据处理（流计算、分布式计算、分布式文件系统、分布式存储）等相关技术和实现方法。

广西已开设《数据科学与大数据技术》专业院校（广西区内高校教师的人工智能、大数据师资目前还比较差，而且大学课程偏基础，建议还是通过外面培训学习大数据挖掘、大数据管理课程）：

• 桂林电子科技大学-数据科学与大数据技术、大数据管理与应用
• 广西科技大学-数据科学与大数据技术
• 桂林理工大学-数据科学与大数据技术
• 广西财经学院-数据科学与大数据技术
• 广西师范大学-数据科学与大数据技术
• 广西师范大学漓江学院-数据科学与大数据技术
• 南宁师范大学-数据科学与大数据技术
• 玉林师范学院-数据科学与大数据技术
• 桂林航天工业学院-数据科学与大数据技术
• 桂林旅游学院-数据科学与大数据技术
• 南宁学院-数据科学与大数据技术
• 贺州学院-数据科学与大数据技术
• 梧州学院-数据科学与大数据技术
• 河池学院-数据科学与大数据技术
• 百色学院-数据科学与大数据技术
• 广西科技师范学院-数据科学与大数据技术
• 广西警察学院-数据科学与大数据技术
• 南宁师范大学师园学院-数据科学与大数据技术

以下985高校或211大学已开设《数据科学与大数据技术》专业（不一一列举）：

• 清华大学
• 北京大学（第一批）
• 中国人民大学
• 中国科学技术大学
• 南京大学
• 复旦大学
• 上海交通大学
• 西安交通大学
• 浙江大学
• 哈尔滨工业大学
• 南开大学
• 天津大学
• 东南大学
• 华中科技大学
• 武汉大学
• 厦门大学
• 山东大学
• 湖南大学
• 中国海洋大学
• 中南大学（第一批）
• 吉林大学
• 北京理工大学
• 大连理工大学
• 北京航空航天大学
• 重庆大学
• 电子科技大学
• 四川大学
• 华南理工大学
• 中山大学
• 兰州大学
• 东北大学
• 西北工业大学
• 同济大学
• 北京师范大学
• 中国农业大学
• 国防科技大学
• 中央民族大学
• 华东师范大学
• 西北农林科技大学
• 对外经济贸易大学211（第一批）

数据科学与大数据技术专业（简称大数据专业）的，目前开设数据科学与大数据技术专业的高校不低于400所，而大数据管理与应用专业的高校已经有30所以上。
 
就算有一些高校已经开设了大数据专业，但是目前能讲《数据科学与大数据技术专业》课程的师资能力有限，Hadoop、NoSQL、Python、Spark编程、机器学习、数据挖掘与分析等新技术知识，对于很多教授老师根本就没有学习过、没有实践过和没有应用过，所以要能讲好还是有局限性的，之前给我们单位做大数据培训的蒙老师讲得不错“数据和信息，本身只是一种量级现象，大数据分析的价值就在于发现表象之下的关联和本质，并以此帮助人们做出更加正确的选择或帮助企业做出商业决策。”

大学专业只是让你知道某个知识是个什么概念、模式、应用场景， 靠大学里专业的课程应付工作很困难（一些校企合作课程还是比较容易适应工作场景的），和跨专业的人比起来，唯一的优势就是知道这是什么，需要的是在工作中或者业余时间继续努力的程度，多关注一些大型科技公司对这些知识的应用或认证，不一定是技术本身，还包括技术以外的东西。

大数据一般学习以下核心内容：一般处理T+1数据（T：可能是1天、一周、一个月、一年）

    a、Hadoop ：一般不选用最新版本，踩坑难解决
        （common、HDES、MapReduce、YARN）
        环境搭建、处理数据的思想
    b、Hive：大数据的数据仓库
        通过写SQL对数据进行操作，类似于MySQL数据库的sql
    c、HBase：基于HDFS的NOSQL数据库
        面向列存储
    d、协作框架：
        sqoop（桥梁：HDFS《==》RDBMS）
        flume：搜集日志文件中的信息
    e、调度框架
        anzkaban
        了解：crotab（Linux自带）
        zeus（Alibaba）
        Oozie（cloudera）
    f、前沿框架扩展：
            kylin、impala、ElasticSearch（ES）

大数据实时分析

    以spark框架为主
    Scala：OOP（面向对象程序设计）+FP（函数是程序设计）
    sparkCore：类比MapReduce
    sparkSQL：类比hive
    sparkStreaming：实时数据处理
    kafka：消息队列
    前沿框架扩展：flink
        阿里巴巴：blink

大数据挖掘机器学习方向：

spark MLlib：机器学习库
pyspark编程：Python和spark的结合
大数据推荐系统
大数据挖掘算法
python数据分析
python机器学习

人工智能对从业人员的素质要求很高，数学水平和编程水平是两个必须逾越的坎，目前市面上很多工作都是硕士起步。如果你真心想要在这行有大发展，良好的基础是必须的，以下是人工智能专业课程：

（1）计算机科学知识：数据结构和算法、Linux操作系统、计算机组成原理、计算机网络通信技术、云计算基础、数据库等；（大一大二课程）
（2）基础数学：高等数学、微积分、线性代数、概率论、运筹学、凸优化等；（大一大二课程）
（3）至少一门编程语言：Python、C++或Java等（大三课程）
（4）人工智能知识：Tensorflow、机器学习、深度学习框架PyTorch、机器学习框架Sk-learn、神经网络等；（大四或研究生课程）

但是，由于目前很多傻瓜化的工具出现，在大部分的业务场景下只需要一些很简单的代码就可以搞定。

华为大数据挖掘认证覆盖《数据科学与大数据技术专业》核心课程，华为大数据分析与管理专家覆盖《大数据管理与应用》核心课程。
 
华为HCIE大数据挖掘专家、华为HCIE大数据分析与管理专家认证需要经过华为公司三个面试官的轮番面试、追问，所以不仅考场一个考生的知识，还有表达，以及一些项目相关实践经验（目前全国HCIE大数据挖掘认证、大数据分析与管理专家认证人数不到100人）。

华为HCNA-Bigdata大数据认证考试大纲：
第01章 大数据行业与技术趋势
1.大数据时代
2.大数据的应用领域
3.大数据时代的机遇和挑战
4.华为大数据解决方案
第02章 HDFS分布式文件系统技术
1.HDFS概述及应用场景
2.HDFS在FusionInsight HD产品的位置
3.HDFS系统架构
4.关键特性介绍
第03章 MapReduce分布式离线批处理和Yarn资源协调
1.MapReduce和Yarn基本介绍
2.MapReduce和Yarn功能与架构
3.Yarn的资源管理和任务调度
4.增强特性
第04章 Spark2x基于内存的分布式计算
1.Spark概述
2.Spark原理与架构
3.Spark在FusionInsight HD中的集成情况
第05章 HBase分布式NoSQL数据库
1.HBase 基本介绍
2.HBase 功能与架构
3.HBase 关键流程
4.HBase 华为增强特性
第06章 Hive分布式数据仓库
1.Hive概述
2.Hive功能与架构
3.Hive基本操作
第07章 Streaming分布式流计算引擎
1.Streaming简介
2.系统架构
3.关键特性介绍
4.StreamCQL介绍
第08章 Flink流计算处理和批处理平台
1.Flink概述
2.Flink原理与技术架构
3.Flink在FusionInsight HD中的集成情况
第09章 Loader数据转换
1.Loader简介
2.Loader作业管理
第10章 Flume海量日志聚合
1.Flume简介及架构
2.Flume关键特性介绍
3.Flume应用举例
第11章 Kafka分布式消息订阅系统
1.Kafka简介
2.Kafka架构与功能
3.Kafka关键流程
第12章 ZooKeeper集群分布式协调服务
1.ZooKeeper简介
2.ZooKeeper在FusionInsight HD产品的位置
3.系统架构
4.关键特性介绍
5.与组件的关系
第13章 FusionInsight HD 解决方案介绍
1.FusionInsight HD 企业版概述
2.FusionInsight HD 特性介绍
3.FusionInsight HD 成功案例