數據科學與大數據技術都要學習什麼？
目前從事大數據工作一年，2019年很多大學開設了大數據相關的課程，具體課程內容包含什麼，我不太清楚，但是可以以過來人的身份說一下【大數據開發】方向需要的技能以及學習大數據開發的學習路線。
2020大數據學習路線圖 如果圖片不清晰，可以私信我獲取高清大圖。
上面也只是羅列了一些我工作中使用到的技術，只是冰山一角。如果你可以想學習大數據或者樂於分享技術，可以一起來交流。
大數據 · 語雀?www.yuque.com免費的知識星球，純粹的技術交流。
https://t.zsxq.com/7iQRNrR?t.zsxq.com數據科學
偏工程類的崗位，首先需要熟練使用 SQL 和 Python。在此基礎上學習下面幾個部分：
第一部分：數據科學入門熟悉數據科學問題解決流程，包括探索性數據分析、異常值的處理，如何與不同的利益相關方有效溝通。
第二部分：深度學習神經網路是深度學習的基石。在這部分課程中，你將學習神經網路的基本原理，並在實戰項目中用 Python 和 Numpy 從頭開始構建一個神經網路。你還將簡要了解 TensorFlow，以及如何用它來搭建深度神經網路。在此節中，你還會拓展學習社交媒體的情緒分析方法。
第三部分：軟體工程發展數據科學家核心的軟體工程技能。你將學習到如何書寫整潔和模塊化的代碼，如何對代碼進行測試與審查，並學習面向對象編程。你還會開發與部署自己的數據應用。
第四部分：數據工程學習處理完整的數據科學工作流中的所有數據，包括運行數據管道、轉化數據、構建模型、將解決方案部署到雲端。你還會學到 NLP 數據管道與機器學習管道的原理與應用。
第五部分：試驗設計與推薦系統學習使用科學的試驗方法來審查數據結果，並開展和分析 A/B 測試。學習基於知識和內容的推薦系統機制，並採用矩陣分解來驗證與優化推薦系統效果。
第六部分：如何使用 Spark 來處理大數據，並規模化構建機器學習模型，包括如何使用 PySpark 來清洗大數據集及建模。PySpark 是 Spark 為 Python 開發者提供的 API。本課程介紹了大數據及 Spark 在大數據生態系統的角色，並通過互動式練習，處理和清洗數據集，從而熟悉 SparkSQL 和 dataframe APIs，並使用 Spark 機器學習庫來訓練機器學習模型。
以上六部分的學習大綱來自某外國學習網站，近期我也打算學習深造一下，數據科學家應該是每個做數據開發嚮往的頂部了吧，加油吧少年！
持續更新中...
我們這個專業是與阿里巴巴合作的，目前我大一，要學的課程有web開發，c語言程序設計，python，計算機網路基礎，java程序設計，資料庫，機器學習，hadoop框架
這個囊括的東西比較多 看你要走什麼方向
大數據開發
1.hadoop全家桶 數據接入 數據存儲 數據開發 數據倉庫 數據查詢 等
2.流式數據 實時數據倉庫技術
3.各種nosql資料庫
數據分析
1.增長黑客相關業務知識
2.分析工具 tableau之類的
3.sql 資料庫知識 最好的hive spark
數據挖掘和演算法
1.各種基礎演算法
2.機器學習演算法
3.深度學習演算法
4.其他更垂直的演算法 比如nlp cv等
5.各種工具的使用
首先大一要把數學基礎打好，高等數學，代數和基本的C語言必須掌握；
大二主要學習編程，離散數學，概率論與數理統計，Python要掌握，MATLAB，MySQL要了解，數據結構與演算法也要學習，數學建模，數據採集與清洗，統計學，最優化方法，數值計算，並行計算等等要學；
大三的話主要是要學軟體工程，了解AI(畢竟本科，人工只能這方面不會很深奧)，時間序列，深度學習，雲計算技術，數據可視化，還有金融與保險數據分析，生物與醫療數據分析，等等；
大四就沒什麼了，畢業實習，畢設。
總結大一閑，大二大三累成狗，學的主要是關於數學和計算機的課程!
C語言基礎
Linux操作系統
高等代數
數學分析
Java
英語
這是兩個比較寬泛的合集，而且還在不停的擴充中。在一些語境中，數據科學是包括大數據技術的；另一些語境中這倆只是有部分交集，數據科學偏向分析和決策，大數據技術偏向工程和產品。
再加上這種title，在不同學校的培養方向可能不同，在不同公司的負責內容也會不同。所以，還是分三條線說，到時候具體看專業描述或者職位描述。
第一，走數據分析路線的。那麼數據準備、處理、計算過程用到的SQL、Python、R之類的要會。數據可視化的工具要會，至少精通一個。常見的統計方法和分析方法要會。常見的演算法模型要懂得原理和優化方法。另外邏輯思維比較清晰，能從數據中提煉信息形成結論並支撐決策，簡單說，書面和口頭表達能力都要好一些，要能讓別人懂你的意思。
第二，走平台建設路線的。那麼軟體工程和項目管理要懂。常見的系統架構要懂，怎麼做負載均衡，怎麼減少冗餘，怎麼提高性能等等。常見的項目，比如Hadoop、Hive、Flink、Spark那些，實現原理和能力特點要懂。另外最好懂一些常見的技術語言，比如Java、HTML、JS等等，能簡單寫兩句的程度。
第三，走數據治理路線的。那麼各種數據治理框架要懂，比如常見的數倉模型，常見的數據安全管理辦法，常見的數據質量稽查方法，以及行業內的各種關於數據和數據系統的標準。
李陽 / 高級數據產品經理 / 知識星球 公眾號：數據有毒
推薦閱讀：
