数据科学与大数据技术都要学习什么？
目前从事大数据工作一年，2019年很多大学开设了大数据相关的课程，具体课程内容包含什么，我不太清楚，但是可以以过来人的身份说一下【大数据开发】方向需要的技能以及学习大数据开发的学习路线。
2020大数据学习路线图 如果图片不清晰，可以私信我获取高清大图。
上面也只是罗列了一些我工作中使用到的技术，只是冰山一角。如果你可以想学习大数据或者乐于分享技术，可以一起来交流。
大数据 · 语雀?www.yuque.com免费的知识星球，纯粹的技术交流。
https://t.zsxq.com/7iQRNrR?t.zsxq.com数据科学
偏工程类的岗位，首先需要熟练使用 SQL 和 Python。在此基础上学习下面几个部分：
第一部分：数据科学入门熟悉数据科学问题解决流程，包括探索性数据分析、异常值的处理，如何与不同的利益相关方有效沟通。
第二部分：深度学习神经网路是深度学习的基石。在这部分课程中，你将学习神经网路的基本原理，并在实战项目中用 Python 和 Numpy 从头开始构建一个神经网路。你还将简要了解 TensorFlow，以及如何用它来搭建深度神经网路。在此节中，你还会拓展学习社交媒体的情绪分析方法。
第三部分：软体工程发展数据科学家核心的软体工程技能。你将学习到如何书写整洁和模块化的代码，如何对代码进行测试与审查，并学习面向对象编程。你还会开发与部署自己的数据应用。
第四部分：数据工程学习处理完整的数据科学工作流中的所有数据，包括运行数据管道、转化数据、构建模型、将解决方案部署到云端。你还会学到 NLP 数据管道与机器学习管道的原理与应用。
第五部分：试验设计与推荐系统学习使用科学的试验方法来审查数据结果，并开展和分析 A/B 测试。学习基于知识和内容的推荐系统机制，并采用矩阵分解来验证与优化推荐系统效果。
第六部分：如何使用 Spark 来处理大数据，并规模化构建机器学习模型，包括如何使用 PySpark 来清洗大数据集及建模。PySpark 是 Spark 为 Python 开发者提供的 API。本课程介绍了大数据及 Spark 在大数据生态系统的角色，并通过互动式练习，处理和清洗数据集，从而熟悉 SparkSQL 和 dataframe APIs，并使用 Spark 机器学习库来训练机器学习模型。
以上六部分的学习大纲来自某外国学习网站，近期我也打算学习深造一下，数据科学家应该是每个做数据开发向往的顶部了吧，加油吧少年！
持续更新中...
我们这个专业是与阿里巴巴合作的，目前我大一，要学的课程有web开发，c语言程序设计，python，计算机网路基础，java程序设计，资料库，机器学习，hadoop框架
这个囊括的东西比较多 看你要走什么方向
大数据开发
1.hadoop全家桶 数据接入 数据存储 数据开发 数据仓库 数据查询 等
2.流式数据 实时数据仓库技术
3.各种nosql资料库
数据分析
1.增长黑客相关业务知识
2.分析工具 tableau之类的
3.sql 资料库知识 最好的hive spark
数据挖掘和演算法
1.各种基础演算法
2.机器学习演算法
3.深度学习演算法
4.其他更垂直的演算法 比如nlp cv等
5.各种工具的使用
首先大一要把数学基础打好，高等数学，代数和基本的C语言必须掌握；
大二主要学习编程，离散数学，概率论与数理统计，Python要掌握，MATLAB，MySQL要了解，数据结构与演算法也要学习，数学建模，数据采集与清洗，统计学，最优化方法，数值计算，并行计算等等要学；
大三的话主要是要学软体工程，了解AI(毕竟本科，人工只能这方面不会很深奥)，时间序列，深度学习，云计算技术，数据可视化，还有金融与保险数据分析，生物与医疗数据分析，等等；
大四就没什么了，毕业实习，毕设。
总结大一闲，大二大三累成狗，学的主要是关于数学和计算机的课程!
C语言基础
Linux操作系统
高等代数
数学分析
Java
英语
这是两个比较宽泛的合集，而且还在不停的扩充中。在一些语境中，数据科学是包括大数据技术的；另一些语境中这俩只是有部分交集，数据科学偏向分析和决策，大数据技术偏向工程和产品。
再加上这种title，在不同学校的培养方向可能不同，在不同公司的负责内容也会不同。所以，还是分三条线说，到时候具体看专业描述或者职位描述。
第一，走数据分析路线的。那么数据准备、处理、计算过程用到的SQL、Python、R之类的要会。数据可视化的工具要会，至少精通一个。常见的统计方法和分析方法要会。常见的演算法模型要懂得原理和优化方法。另外逻辑思维比较清晰，能从数据中提炼信息形成结论并支撑决策，简单说，书面和口头表达能力都要好一些，要能让别人懂你的意思。
第二，走平台建设路线的。那么软体工程和项目管理要懂。常见的系统架构要懂，怎么做负载均衡，怎么减少冗余，怎么提高性能等等。常见的项目，比如Hadoop、Hive、Flink、Spark那些，实现原理和能力特点要懂。另外最好懂一些常见的技术语言，比如Java、HTML、JS等等，能简单写两句的程度。
第三，走数据治理路线的。那么各种数据治理框架要懂，比如常见的数仓模型，常见的数据安全管理办法，常见的数据质量稽查方法，以及行业内的各种关于数据和数据系统的标准。
李阳 / 高级数据产品经理 / 知识星球 公众号：数据有毒
推荐阅读：
