学数据科学与大数据技术专业我们最应该学些什么？

学数据科学与大数据技术

（传媒大数据方向）专业 #

我们最应当学些哪些？

Partone

#

我们的专业是一个全新的专业，而我们的所学所成直接影响着往前学习和报名我们专业的老师的兴趣。换句话说，未来哪些样的人成为我们的师兄师弟，和我们未来的发展或则就业有着直接关系。 #

谈就业可能有点远，但朋友们现在早已在这个专业领域里学习了三个学期（一学期线上，这个也会成为我们永久的记忆）。从下学期开始，我们就该即将学习相关的专业课了，在大一的班会上，我提及过我们专业的核心课程以及对应的就业方向；随着你们所学专业基础课的加深，今天我们再一上去回顾一下（你们有必要再听我啰嗦几句）。

#

studyhard #

Parttwo

我们专业课的构成包括英语、计算机和统计。

#

英语主要是英语剖析（大家学的高等物理大数据专业主要学什么，但我建议大家有时间可以翻翻英语剖析的课本）、高等代数（很重要，很重要，很重要！），机率论（英语的基础，机率的思维）以及数理统计（严苛上来说是统计学的基础，并且这儿面有很多物理的理论还要把握）。 #

而对于计算机课程来说，主要是： #

·计算机编程语言(C和C++,严苛来说是脚本语言，易学并且理解计算机系统需要学习C和C++)

·数据结构（更好地理解算法，去大厂笔试的必考课目） #

·数据库（不论之后做哪些数据剖析，把握SQL句子会口试官对你的整体印象加比较高的分数，只是必备技能之一）

#

·操作系统（起码会或，假期可以自己装个虚拟机练练，大厂的编程环境大都在Linux系统中运行）

#

·算法设计与剖析（不晓得之后会不会开办专门的课程，并且数据挖掘、机器学习等类似的课程中会不断地有算法出现）

以及分布式操作系统(最典型的是，大厂的标配大数据专业主要学什么，可以自己尝试着在自己的虚拟机上弄个伪分布式)、相关的组件（Hive和Hbase，类似于SQL,Spark分布式上的机器学习）相关的课程如：分布式系统与云估算，深度学习（学会用做深度学习，初级的主板比较贵，可以试装束个实惠点的，上千元搞定，学院还有类似的平台）。 #

最后一个只是比较重要的是统计学（数据科学）相关的课程，所有相关的课程都是以机率论和数理统计为基础的，所以这两门课的课本还要频繁揣兜了，说不定哪天就用到。 #

相关的课程包括：

·统计估算或最优化理论（很基础，很重要，所有问题都是估算问题） #

·非参数恐怕（难以假设模型的都用此处理） #

·抽样技术（社会学、经济学用的比较多，但对我们来说思想很重要）

·回归剖析或多元回归剖析（不只是是一元回归和回归，还可以衍生到广义回归模型中去，很实用） #

·统计机器学习(与机器学习的不同之处在于偏重于理论的验证) #

·数据建模方式与实践（注重应用，可以关注一下近几年的英语建模竞赛）

#

·贝叶斯统计（贝叶斯的思想很重要，全球很多人在研究相关的模型，这个我也在课堂上不止一次地提及过） #

·时间序列剖析（假如数据是基于时间记录的，怎么研究它，这个课程的方式很实用，想之后做金融转债的朋友可以多关注）

#

编程语言建议朋友们用R（其实也挺好，并且R对于理解模型帮助更大些）。

#

以上是硕士阶段的我们所上专业课的一个总结，假如老师们准备专升本或保送统计学相关的学院，如人大、北大等（人大也有一个国民经济核算课程），以上的那些课在某些学院里都是有开办的，但是口试时还有或许会被问到哦。 #

从未来发展的视角来看，希望朋友们在其中才能找到自己感兴趣的问题（如机器学习里的某个算法、经济学研究中的某个问题，深入进行研究，在未来五年里作出一些能在你结业找工作或研究生口试时吹牛的成果）。

not #

Partthree

#

最后要学好怎样进行搜索资源（不晓得中学会不会开文献检索或情报学课程），这对于我们身处每次卷帙繁杂的信息环境中找寻自己感兴趣的问题是非常有帮助的，除了是学习还是之后工作，学会寻求资源（或数据）都是一个很重要的本领。 #

以上是我的一些总结，一家之言，仅供参考。下边是我的师父谢益辉（，此处安利下他的博客）十几年前（放在今天我认为仍然不过时）给人大统计学校的硕士老师写的几篇短文，感兴趣的朋友们可以阅读一下： #

统计学领域： #

关于搜索统计资源： #

我的一些统计方式观： #

统计学专业应当使用何种样的统计硬件：

#

注:构想了好久不晓得写些哪些给你们，看了班里选课的通告之后有感而发；在这儿告诫你们：重要的是要瞧瞧自己的培养计划，不要在一些公选课上少修了学分，影响到自己结业。

#

-end- #

作者|王小宁

编辑|何雪琪 #

美工|遍布西王长鑫 #