今天我們就聊聊數據科學與大數據技術專業，
2016年，北京大學、對外經濟貿易大學和中南大學3所高校首批獲批開設這個專業，2017年32所學校開設，2018、19年成倍數、井噴式增長，開設的學校水平當然也是參差不齊，最后我會給大家去分析哪些學校值得多去關注。
簡單的說，這個專業是以大數據為核心研究對象，以數學、統計學、計算機相關知識為支撐，進行大數據的發現、采集、處理、運算、分析、應用。這個專業可以說是不折不扣的交叉性學科，當然落腳點一定是利用大數據的技術來解決具體行業應用問題。
他是個新工科專業，可以說是這個專業行業的發展，是國家戰略，順應時代發展需求的。所以多個角度來說，我們是需要大量人才儲備的。而且我們利用大數據，能夠判分析出，那些即便是憑著經驗也未必能夠洞悉的商機和未來的發展，所以這個領域的知識，非常的重要。但是，大家也要了解一個情況是，開設的時間畢竟短，每個大學也在摸索中前進，會有不斷的調整和突破，當然培養方向也會結合各自的特色進行培養，不過他的本質專業知識結構還是來自，數學、統計學和計算機相關內容的。
主干課程：（以對外經濟貿易大學為例）
數學：數學分析一、數學分析二、高等代數、離散數學。
統計學：概率論與數理統計、多元統計分析、隨機過程。
計算機：數據結構、計算機組成原理、數據庫系統原理、C++程序設計、Java程序設計、Python與大數據分析、科學計算與Matlab應用、R語言等。
大數據分析：數據科學導論、機器學習與數據挖掘、信息檢索與數據處理、自然語言處理、智能計算、推薦系統原理、大數據分析技術基礎、數據可視化、大數據存儲與管理、大數據分析實踐等課程。
可能大家看過這樣的文字描述大數據，數據量巨大，無法用單臺計算機來進行處理。簡單的給大家說一下數據的存儲單位，
數據存儲單位：
B，KB，MB，GB，TB，PB，EB，.....
1024B=1KB
1024KB=1MB
1024MB=1GB
1024GB=1TB
1024TB=1PB
比如你發了十幾個字的信息，那他的大小可能是幾十b的大小。
比如電子表，有的大小就是kb計算，比如這個是60.5kb，當然上百kb也很正常
一kb相當于1024個英文字母，一個漢字占2個英文字母的空間，所以1kb，大概是512個漢字，1Mb=1024倍的KB換算成漢字，大概相當于52萬個漢字，比如人民文學出版的《西游記》是86萬字，那存成文字的形式是1mb多吧。
那接下來1024MB=1GB
1024GB=1TB
1tB大存儲才會用的到，比如現在的很多大存儲的硬盤，會出現TB的形式
2015年的時候淘寶統計了一下，每天能產生7tb左右的數據
1024TB=1PB
這PB有多大呢？比如大家都上百度上搜東西，百度一天可能要處理1.5pb的信息量，所以這個體量是巨大的。可以說現在每分每秒都在產生數據，我發了視頻，你發了文字，所以存儲和處理、應用都有很大的壓力，一臺電腦是沒辦法完成的。
大數據的本質是什么？
1、全樣而非抽樣。
抽樣調查大家聽過么，以前很少聽到普及性調查，以前成本、各方面條件技術，不可能抓取所有信息。
而現在是全樣，而非抽樣，通過發達的數據統計分析技術，去統計分析所有我們想要的信息，以提高數據的正確性。而且要多少空間我們有多少空間，過去是不行的。
2、效率遠遠高于精確。
很多服務系統是秒級決策，這種決策系統他的速度必須要要快。比如我上百度搜索，北京大學怎么樣，可能會搜出成千上萬條答案，但是哪個是最有效的信息，得需要自己去判斷了，但是他的效率很高，只要點搜索，答案就出來了。
3、相關性而非因果性
一個超市，啤酒賣得好的時候嬰兒的紙尿褲賣的好，孩子尿褲賣的不好的時候啤酒也不好，這個的因果性是什么，可能超市不會去分析，他會更多分析相關性，分析出相關性的物品，到時候記得補貨就行。
大數據產業的不同板塊
數據獲取--數據管理--數據應用，
數據獲取是最基層，大數據的支撐系統，我們先得有數據，再去分析數據啊。
獲取后我們干嘛呢？比如我們收集了很多今天的天氣信息，我們要做的就是預測明天、未來一個星期的、甚至更久的，之后看看對農作物種植、對航空系統會有什么樣的影響等等。
獲取后我們要對信息進行管理，因為有的是圖片、文本、視頻、音頻、位置信息。這么大量的信息，單臺電腦是沒辦法完成的。這里要涉及一個大數據的核心概念分布式存儲，整體要把網絡里的存儲設備都調動起來，同時集群化處理。一個大數據的服務中心，每天的耗電量非常的驚人，運算這些數據是需要幾千臺、幾百臺設備都參其中的。
其實很多學校成立了云計算的實驗室，實際上和大數據高度相關。云計算最普及的領域就是語音識別，比如小愛同學，可以識別和判斷你的意思，播放音樂，搜索等等。
但是你有沒有發現如果不連接互聯網，語音準確率不是特別高，連上網，準確率會大大提高，其他不是在你的手機或者音響里直接運算，他是把你說的話傳到云端，遠程的其他的服務器，他通過多個服務器，進行整合，然后進行相應的回應。當然需要的數據量非常大，之前微軟研究院公布報告，說語音識別的誤差率5%點幾，人與人之間的對話識別率也就這樣，也會漏聽。所以很多用戶和公司都不建立自己的機房，而是直接去購買百度云、阿里云的服務，這個就是云計算和大數據的結合。
大數據的云端到底在哪里呢？
數據中心建設在氣溫低、自然災害少、供電量充足的地方。在運算大數據的過程中，非常耗電，而且50%以上的電力在給機器降溫，溫度低的地方，減少電力消耗。
第二不能有自然災害，泥石流，地震海嘯，一旦出現，辛苦存的數據就毀于一旦了。第三電力要足夠豐富，你運算到一半，電斷了也不行。全國最出名的是，貴州大數據中心。
這個應用呢，其實使用大數據進行營銷的行業非常早的，可以說電商行業，大數據的應用，讓電商根據消費者的購買習慣，提前生產資料物資。后來發現，原來大數據還能夠提前預測流行趨勢、消費趨勢等等；
再包括各位觀看了我的視頻之后，系統就會記住了解需要的什么樣的內容，給你進行一些相關視頻的推薦，也許一會你還會看到其他老師的一些相關內容
在比如大數據應用于市政交通，就能有效解決解決堵車問題，知道幾點幾分什么地方會出現交通擁堵、交通事故，提前把信息發給可能會走這條路的車主，提前避免堵車。
比如醫療行業，你到醫院的化驗、醫學影像、儲存用藥醫療信息，這些信息通通在醫院里數字化，可以進行數據分析。而且借助大數據平臺能夠收集到不同病例以及治療方案，之后我們就能建立出更有針對性的疾病數據庫，可以說人類的醫療水平，在大數據的推動下爆發式增長。
金融，高頻交易，操盤手，買賣各種股票
現在是利用計算機來進行處理，每秒鐘幾千只股票在變動，人再多也照顧不到幾百條信息，只有機器能得到。波動規律的觀察，會發現機會稍縱即逝，只有計算機才能夠進行及時操作，只有大數據才能夠捕捉到這種商機。
無人駕駛，基于海量數據實時的高校分析，甚至是0.幾秒的秒及決策，他會在汽車周圍安裝非常多傳感器，傳感器的目的就是搜集大數據，如果沒有這些數據支撐，就談不上自動駕駛。
真心可以說從政府到醫療行業到生活的方方面面都離不開大數據的支撐，所以你說有沒有需求和前途呢，我覺得答案是肯定的。
就業問題：
可以說畢業生能在互聯網企業、金融機構、科研院所、高等院校以及各個行業等從事大數據分析、挖掘、處理、服務、應用和研究工作
工作崗位：
大數據架構師（偏技術，熟悉底層架構的，開發平臺，數據建模，核心框架開發，編程代碼是基礎，又不僅僅于此，對計算機、數學，尤其是數據的知識要求高。
大數據算法工程師（篇技術，開發算法的，算法的原型，驗證，而且還要帶團隊，最終不是一個人能完成的。
大數據運營維護工程師：運營和維護要求低一些，保證我們建立的數據平臺，能夠高效運行，能夠監控其中的問題，排故障，了解數據的基本知識多一些就行，沒有要求那么深入。門開較低。
數據分析師/挖掘師（偏業務，需要調研需求，我要應用領域的挖掘的對象、分析數據的目標，包括溝通相應的客戶，要求有比較強的與人溝通的能力，協調能力
性格不同做不同的工作崗位，偏技術呢就是接觸技術更多，人少，偏業務就是接觸人偏多
大數據科學家，高學歷，碩士以上，或者，很多年的工作經驗，知名的學術會議有重要的成果。其實我國的人工智能領域發展非常的迅速，但是人才儲備非常少，而且缺口很大，但是我們更多的是需要碩士、博士這樣高學歷人才。
這個領域待遇1.2線城市，3年以上，肯定是1萬以上5年達到2-4萬之間能力強會越來越高，頂級的會更高。
總體來說：
可以說應用領域，就業面是很廣泛的，薪資待遇也不錯。
但是經常接觸電腦，工作辛苦，加班常態化，入門容易，精通難。而且說實話這個領域云集了中國非常聰明的一群學生，而且學習數學、通信工程，計算機的人都可以過來競爭。
還有就是如果你沒有學習到這個專業，那你本科可以去學習統計學、計算機科學與技術、數學這樣的專業，然后研究生選擇大數據方向的研究，也是可以的。
學校的推薦，
第一批開設的北京大學、對外經濟貿易大學和中南大學不用多說肯定不錯。
再有就是你發現，這個學校的計算機、統計學是很不錯的，這個學校也的大數據也不會太差。
還有要注意的是，很多高校是按大類招生，比如北京郵電大學、貴州大學就是按計算機大類招生。這個專業和計算機是密不可分的，計算機不錯的學校大數據也不會差。所以你可以參照計算機類專業的排名去選擇院校。
那還有哪些值得我們關注呢，比如浙江財經大學、重慶理工大學、昆明理工大學、長春理工大學、廣西科技大學等
最后提醒一下：
學習的同學，要對計算機領域的興趣，要對數學感興趣，英語的水平要不錯，對數字要敏感。身體要健康，加班，心太要穩，沉下來學很多新知識，不斷學習，30-40都要學不然你就落后。男生興趣比價大，女生是否適合得從你本身的能力出發。有上進心積極主動是比較重要的。