style="text-indent:2em;">大家好，感谢邀请，今天来为大家分享一下大学选什么专业对考大数据方面的研究生最有利信息与计算科学这个专业怎么样的问题，以及和数据领域专家建议怎么写的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！
本文目录
大学选什么专业对考大数据方面的研究生最有利信息与计算科学这个专业怎么样
首先介绍一下本人背景，本科数学与应用数学，第一个硕士学位是应用数学（数据挖掘与机器学习方向）。
对于大数据（BigData）方向来说，根据我的经验，以下几门课程对未来学习深造极有帮助：
线性代数，微积分，概率论，数理统计，计算机编程语言（R、Python），数据库编程。
上述7门课程是学习大数据的重要基础课。其他课程需要根据具体的研究方向而定，比如信息系统管理，人工智能，机器学习，算法理论等等。
最后，建议题主可以通过edX、Coursera等MOOC平台开始接触大数据方向课程，直接学习最新的理论和应用。
做数据分析需要学什么
数据分析最主要的是要有数学知识，它是数据分析师的基础知识。对于初级数据分析师，了解一些描述统计相关的基础内容，有一定的公式计算能力即可，了解常用统计模型算法则是加分。
对于高级数据分析师，统计模型相关知识是必备能力，线性代数（主要是矩阵计算相关知识）最好也有一定的了解。
而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。
所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。
其次是要学习使用分析工具。熟练掌握Excel是必须的，数据透视表和公式使用必须熟练，ⅤBA是加分。另外还要学会一个统计分析工具，SPSS作为入门是比较好的。对于高级数据分析师，使用分析工具是核心能力，VBA基本必备，SPSS/SAS/R至少要熟练使用其中之一，其他分析工具（如Matlab）视情况而定。
三，编程语言
对于初级数据分析师，会写SQL查询，有需要的话写写Hadoop和Hive查询，基本就OK了。
对于高级数据分析师，除了SQL以外，学习Python是很有必要的，用来获取和处理数据都是事半功倍。当然其他编程语言也是可以的。
对于数据挖掘工程师，Hadoop得熟悉，Python/Java/C++至少得熟悉一门，Shell得会用……总之编程语言绝对是数据挖掘工程师的最核心能力了。
四，业务理解
业务理解说是数据分析师所有工作的基础也不为过，数据的获取方案、指标的选取、乃至最终结论的洞察，都依赖于数据分析师对业务本身的理解。
对于初级数据分析师，主要工作是提取数据和做一些简单图表，以及少量的洞察结论，拥有对业务的基本了解就可以。
对于高级数据分析师，需要对业务有较为深入的了解，能够基于数据，提炼出有效观点，对实际业务能有所帮助。
对于数据挖掘工程师，对业务有基本了解就可以，重点还是需要放在发挥自己的技术能力上。
业务能力是优秀数据分析师必备的，如果你之前对某一行业已经非常熟悉，再学习数据分析，是非常正确的做法。刚毕业没有行业经验也可以慢慢培养，无需担心。
五，逻辑思维
这项能力在我之前的文章中提的比较少，这次单独拿出来说一下。
对于初级数据分析师，逻辑思维主要体现在数据分析过程中每一步都有目的性，知道自己需要用什么样的手段，达到什么样的目标。
对于高级数据分析师，逻辑思维主要体现在搭建完整有效的分析框架，了解分析对象之间的关联关系，清楚每一个指标变化的前因后果，会给业务带来的影响。
对于数据挖掘工程师，逻辑思维除了体现在和业务相关的分析工作上，还包括算法逻辑，程序逻辑等，所以对逻辑思维的要求也是最高的。
六、数据可视化
数据可视化说起来很高大上，其实包括的范围很广，做个PPT里边放上数据图表也可以算是数据可视化，所以我认为这是一项普遍需要的能力。
对于初级数据分析师，能用Excel和PPT做出基本的图表和报告，能清楚的展示数据，就达到目标了。
对于高级数据分析师，需要探寻更好的数据可视化方法，使用更有效的数据可视化工具，根据实际需求做出或简单或复杂，但适合受众观看的数据可视化内容。
对于数据挖掘工程师，了解一些数据可视化工具是有必要的，也要根据需求做一些复杂的可视化图表，但通常不需要考虑太多美化的问题。
七，协调沟通
对于初级数据分析师，了解业务、寻找数据、讲解报告，都需要和不同部门的人打交道，因此沟通能力很重要。
对于高级数据分析师，需要开始独立带项目，或者和产品做一些合作，因此除了沟通能力以外，还需要一些项目协调能力。
对于数据挖掘工程师，和人沟通技术方面内容偏多，业务方面相对少一些，对沟通协调的要求也相对低一些。
八，快速学习
无论做数据分析的哪个方向，初级还是高级，都需要有快速学习的能力，学业务逻辑、学行业知识、学技术工具、学分析框架……数据分析领域中有学不完的内容，需要大家有一颗时刻不忘学习的心。
快速学习非常重要，只有快速进入这一行业，才能抢占先机，获得更多的经验和机会。如果你完全零基础想要尽快进入数据分析行业，选择一家专业的大数据培训机构是个不错的选择。缩短学习周期，提高学习效率，时间即金钱！
学大数据好还是云计算好呢，为什么我有点纠结
这个问题不是哪个好学不好学的问题，不管你想学习云计算还是大数据，都要求你要有稳固的基础知识和架构设计能力，大数据可能要求更高些，毕竟考验一个人对于大数据中的任务进行编程的能力。
先简单说一下云计算，云计算不是什么新的技术，只是一种创新的技术，他的底层离不开我们熟知的虚拟化（虚拟化厂商你要了解，熟知的vmware，思杰等），平台操作系统（linux.unix，windows等），数据库（oracle,mysql,db2,sqlserver等），存储技术，负载均衡，高可用，群集技术，分布式技术，安全技术等等，所以你要学习云计算，就要精通其中的一门技术，云计算技术从技术应用服务的场景可以划分为三个层次IaaS（基础架构即服务）、PaaS（平台即服务）、SaaS（软件即服务），如下图是云计算典型的基础架构图。
不难理解，IaaS层属于底层的东西，比如我们的虚拟化层，存储层等，使得我们的服务资源形成资源池的概念，用户不用关心他的服务器在什么地方，根据自己的需求，定制自己的资源，也就是按需要购买资源，在云时代，这些硬件都被变成了可用的资源，通过虚拟化的技术打包放到资源池中；PaaS层就是平台层，为我们的用户提供开发和业务运行的环境，比如我们的操作系统、数据库、中间件（Weblogic,WAS,Tomcat等）等；SaaS软件即服务，其实它是一种交付模式，这种模式对于产品比较稳健通用，升级部署相比较容易，适合中小客户对于业务需求比较固定，客户可以按照自己的需要快速开通应用和权限，快速上线交付使用，但是不太适合大企业，对于需求定制化程度高的企业，这里简单的提几个场景，比如现在比较流行的钉钉、企业微信等移动办公就是一种云服务，还有云OA，云CRM等等，现在很多传统的应用都在积极拥抱互联网，上云服务，为用户提供更好的技术产品和售后服务，也就是说我们传统的技术，产品，售后都可以打包成一种SaaS服务交付给客户。现在政府部门也在积极推动政府企业上云服务，所以从大局考虑出发，未来的一切产品，技术和服务都会变成一种SaaS服务在互联网这个大商店里面供用户挑选。
最后再来说一下大数据，大数据是现在我们企业提的比较多的技术，也是企业积累多年后对于数据的应用考虑，这是大的前提背景。我们先来对大数据技术抽丝剥茧，看看都有哪些技术，需要掌握哪些底层的和基础的知识，大数据虽然在国内很热，但不得不说，技术大多来源美国，我们只有应用的份，这里比较出名的如Hadoop，google的开源产品，非常佩服google的魄力，很多重量级的产品都开源，这里不多介绍google的背景了，像还是spark等工具，都是差不多的理念，那么这里面都有哪些知识，我觉得从两个层面来说吧，一、从运维层面来讲，你至少对于分布式概念要有清楚的认识，毕竟这是大数据的核心架构的一个重要概念之一，如果你要做运维，那么除了传统的网络架构，系统平台，数据库等等基础知识外，你还需要对大数据引擎工具Hadoop,spark等架构要有完整的认识，比如对于Hadoop里面的Mapreduce计算，和工作任务的分发等问题，再有就是你的trobleshooting的能力要强，能够识别和找到问题根源，这是所有运维人必须具备的技术和经验判断；从开发层面来讲，必须精通java毕竟整个架构和内部的任务发布，都是通过编程来实现的，如果不懂编程，那么这个将成为掣肘你学习大数据的壁垒。
总结，现在企业应用环境比较复杂，从应用角度来讲，大数据离不开云计算，因为大规模的数据运算需要很多计算资源，通过云厂商的布局，可以弥补企业资源不足的短板，而且大规模运算需要很多资源，但是并不是天天运算，所以企业也没有必要为了这次的运算购买昂贵的计算机资源，完成浪费，土豪随意。不管你学习云计算还是大数据，都要能沉下心来学习以上基础知识，因为这些知识是构成这些架构的地基和砖瓦，只有这些扎实了，才能轻松面对世面上各种云和大数据的挑战，并且作者要形成结构化的学习思路，循序渐进的学习，日积月累，定能厚积薄发，不要被业界各种大的新的词汇给迷惑，只有将这些基础打扎实了，才有出路。
以上，希望对作者有用，不吝赐教。
互联网运营的数据分析如何做好
回答你，互联网数据分析关键在增长
所谓数据分析，其本质就是业务分析
而业务分析的核心工作就是增长业绩
如果放到互联网行业，无非分为三个方向
用户增长，使用量增长，变现能力增长
而对应的整体流程:分为三个步骤增长可行性评估和方案借鉴寻找并确定增长点的范围短平快的增长实验工作流程其中实验流程包括2个方面的要求因此，如果你想做好互联网数据分析工作
第一，你必须具备一定的软硬件基础
软件上，你必须具备数据分析能力，一定的用户心理学能力，以及MVP团队能力
硬件上，你必须具备数据基础，ABtest的环境，以及测试工具平台。
第二，你必须掌握一定的具体实操方法
在流程上你绕不开AARRR五棍流:获客，激活，变现，留存，转介绍。其中包括大量可复用且优秀的实践方法。同时，你需要充分利用上瘾模型来研究裂变，流量池等增长路径，不断突破创新运营模式。
正所谓实践出真知，也就是说互联网数据分析都是依托增长实验来进行的，那么如何进行增长实验呢？下面有方法:
增长实验的五步法首先你要通过数据分析与业务事实来收集实验想法??，并且形成自己的假设。其次通过定性定量或者综合评分的方式，将假设进行优先级重要性排序设计实验指标，明确实验的对象，并制定出具体的落地实施方案，撰写PRD将实验需求转化为产品功能，数据埋点，测试上线，开始周期实验最后分析实验结果的可用性和价值，评估下一步推广或改进方向至此互联网分析整体框架和落地方法OK了
那么接下来一个最头疼的问题就是:如何发现这个增长实验的假设呢？
羊毛出在羊身上，其实回归到本质上来看
这个问题就不难了。所以你还是得回到公司业务本身上来分析查找原因。
发现增长机会的2大步骤首先你需要分析业务数据，从宏观到微观，从定性到定量，从业务属性到用户属性等基础角度出发寻找增长乏力点。其次，根据公司数据基本面做前提，深入挖掘用户对象的行为数据，周期规律，以及用户分群行为等，结合转化率与客群营销来展开分析实验。总之，互联网数据分析关键点在增长没有固定的分析套路，讲究灵活运用，快速实验验证。
OK，就聊到这了，希望对你有所帮助。
大学选什么专业对考大数据方面的研究生最有利信息与计算科学这个专业怎么样和数据领域专家建议怎么写的问题分享结束啦，以上的文章解决了您的问题吗？欢迎您下次再来哦！