數據科學與大數據技術專業對數學的要求有多高？
我是理科女生，全國一卷今年高考數學110多，像我這種數學一般的人可以學這個專業嗎？想知道它對於數學的要求，填志願中～球球了
大數據本身算是交叉學科，數學、統計學、計算機都有涉及，單說數學方面的話，倒也沒有要求很高，主要是集中在數理統計、線性代數、概率論、最優化、離散數學等，具備這些基礎，能夠幫助你更好地理解和建立大數據理論體系。
當時，這些真的也就是的打基礎，不是讓你直接靠數學來解決問題。基本上計算機相關的專業，數學都可以說是一種基礎學科必備基礎，能夠理解其中的原理就基本上夠了。
具體來說：
概率論與數理統計
條件概率、獨立性等基本概念、隨機變數及其分佈、多維隨機變數及其分佈、方差分析及回歸分析、隨機過程（特別是Markov）、參數估計、Bayes理論等在大數據建模、挖掘中就很重要。
線性代數
矩陣、轉置、秩 分塊矩陣、向量、正交矩陣、向量空間、特徵值與特徵向量等在大數據建模、分析中也是常用的技術手段。
最優化方法
優化方法取決於函數的形式，從目前看，最優化方法通常是基於微分、導數的方法，例如梯度下降、爬山法、最小二乘法、共軛分佈法等。
離散數學
離散數學是所有計算機科學分支的基礎，自然也是大數據技術的重要基礎。
挺高的，比數學系要求低一些。（他們學的是理科數學分析，我們學的是工科數學分析）
數學是基礎課，很重要，不過不同專業學習的科目和難度不同。
高考的數學分數也不代表著未來的學習的成果，如果你覺得自己不行纔是真的不行。
數學分析裏包含微積分等，是基礎中的基礎，其他數學的科目會需要用到從數學分析裏學到的計算方法等等。如果說寫代碼是解決問題，那數學可以提供解決問題的策略，也就是所說的模型。
這裡面所包含的難點：
知識點多
方法多，該如何選擇用那種方法
在寫代碼時靈活運用數學知識
我所上的數學課包括以下這些：
數學分析
線性代數
離散數學
概率論與數理統計
這些數學和代碼結合在一起就是玄學，比如說離散裏學的Dijkstra(迪杰特斯拉）演算法，學離散的時候學它的原理，明白怎麼回事兒，然後再寫代碼。你的思維方式和寫出的代碼比更靈活，靈活的多！你隨便想兩下的事兒，在代碼上可能要清清楚楚明明白白的寫出來不少東西。
數據分析對統計學要求比較高，數據挖掘對數學有一定的要求。數據學科的內容有不少，數據分析和挖掘只是其中一部分。除此之外，數據科學中其他工作，比如數據倉庫、數據平臺、數據應用開發等，對數學要求並不高。
很高，理論實踐都是在數學基礎上完成的。
一般情況下，大數據專業對數學的要求其實沒那麼高，學過高等數學就OK。如果有更高的目標，未來有志於機器學習，深度學習等領域，那麼數學就是個永無止境的話題，越高越好。
你可以參考一下這個回答，只要有心，肯學，IT之路肯定能走遠。
大官人好物推薦：我是數據科學與大數據技術專業的準大一新生，剛開始學這個專業要注意些什麼呢？?www.zhihu.com
推薦閱讀：
