大數據作為近幾年的熱點技術，吸引了很多人想要往這個方向發展，並且一提到大數據，大家本能地容易把數學這門學科聯想起來，認為學大數據應該對數學水平有一定的要求。

事實上，只要提到計算機相關的方向的學習，很多人都會聯想到數學，更別說大數據，這是一個計算機、數學和統計學的複合學科，大家會把大數據與數學聯繫起來，是非常正常的。

大數據與數學這門學科的聯繫，這裡引用國外某計算機教授的話：

「計算機科學需要使用數學的原因，不在於它真的需要數學領域的某個公式、某個理論，而是需要你的數學思維能力：統計、概率、最重要的是數學邏輯。

在這個領域，無論是否使用「高級數學」，每個優秀的從業者都在從事結構化、邏輯化的思考，甚至當他們編寫資料庫和其他程序的時候，還被要求寫出邏輯化的語句。這個領域需要的不是一個數學天才，而是一個邏輯學者。」

所以說，大數據對所謂數學水平的要求，其實是對邏輯思維的要求。當然，數學好的話，多半邏輯思維是沒問題的，而如果數學基礎不好，對於學習者來說，就需要付出更多的時間去鑽研，提升學習效率。

在大數據領域，一般的大數據開發，用的數學知識不是很多，只會用到一些簡單的函數問題，只有像演算法設計與分析等方向，就會對數學要求更高一些。

都說現在大數據的就業前景好，可是又聽說學習大數據需要很高的數學功底。這讓很多想要學習大數據的人打起了退堂鼓，那麼，數學不好可以學習大數據嗎？今天，小編就這個問題給廣大想要學習大數據的學員做一個詳細的解答。

首先要說的是，學習大數據確實需要一定的數學基礎。數學功底越好，對大數據的學習越有幫助。但這並不是說，數學功底不好的人就不能學習大數據了。

一般來講，大數據學習特別是機器學習，都會對學員的高數、線性代數、概率論等有一定的了解，尤其是矩陣分析和概率論。這些學科對於大多數學員來講，在大學的大一大二兩年就已經掌握了，雖然有的學員掌握的不是很好，有的學員已經把相關知識忘得差不多了，但將知識再撿起來還是會容易很多。只要在學習大數據時，對所用的數學知識進行重點的研究即可。因此，只要是理工科出身的學員，學起大數據來都不會是一件太難的事。

高，他限制了你的天花板，當到達一定層次，他就體現出來了，所以能學的時候就努力學，沒有一份努力是浪費的

如果是學習大數據開發的話，比如：Hadoop、Spark、Flink這些，對數學沒啥要求，會基本的Java編程就可以了。

不高，主要是開發類比較多。

數學水平高會有幫助，不高也可以學，不過限制學歷是本科。本科以下學大數據不太好找工作。

最好有數學的基地功底，沒有的話也可以學，就要比別人加倍努力了

不需要多高，本科就行

大數據學習確實存在一定難度，數學好一定程度上來說，對學習有幫助，在理解很多概念上，能夠更快掌握入門，但是並不是說，數學能力差的人，就學不好大數據。但是數學好與不好，與大數據的學習並沒有絕對的關係。學習大數據，其中更重要的一種能力要求，是對邏輯能力的要求。

大數據的職業學習路線有很多，崗位不同，對專業技能的需求點也有所不同。在數據挖掘與模型層上，對數學知識的要求會相對較高，要想清楚自己在大數據開發應用中充當什麼角色，明白一個合格的大數據人才都需要具備哪些知識和技能，之後就是找到一個適合自己學習大數據的方法。

一般的開發利用對數學要求不高，因為現成的演算法模型很多，會根據問題選用即可。如果要設計新的分析模型，對數學要求就較高了。

不高，基本都是演算法和工程實現問題，還有就是概念與系統架構。但是技術棧多且雜，學起來比較累。需要明確具體方向。

推薦閱讀：
相关文章