「深圳CDA数据分析师」-深耕数据人才教育15年，致力于打造数据人才全方位学习平台，汇聚优质学习资源，助力数据人才找到好工作。开设的课程有：数据分析培训，业务数据赋能，商业策略分析，精益数据挖掘，python机器学习等。CDA秉承着总结凝练先进的商业数据分析实践为使命，明晰各类数据分析从业者的知识体系为职责，旨在加强范围内化、科学化、专业化的大数据及数据分析人才队伍建设，进一步提升数据分析师的职业素养与能力水平，促进数据分析行业的高质量持续发展。

　　大数据技术是什么专业

　　大数据专业将从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）系统地帮助企业掌握大数据应用中的各种典型问题的解决办法，包括实现和分析协同过滤算法、运行和学习分类算法、分布式Hadoop集群的搭建和基准测试、分布式Hbase集群的搭建和基准测试、实现一个基于、Mapreduce的并行算法、部署Hive并实现一个的数据操作等，实际提升企业解决实际问题的能力。

　　不少高校开设大数据技术专业，通过提供丰富的课程体系和实践项目，使学生具备扎实的数据统计、数据仓库与商务智能技术，掌握数据挖掘与数据分析的基本理论、基本技能及综合应用方法，掌握较强的基于大数据平台的分析技术，能轻松胜任基于企业级的大数据分析与应用项目。

　　高校开设的大数据技术课程：

　　一、《大数据核心技术》

　　本课程的目标是使学生了解大规模数据处理常用的技术、算法和应用系统领域的主要现状，掌握大规模数据处理相关的常用算法，大数据处理系统的设计以及在搜索系统中的大规模数据处理技术，课程中需要学生阅读大量的相关论文来加深对技术的理解。

　　二、《数据采集与管理》

　　本课程系统讲解数据采集的过程、工具、方法，通过一个实例完成对指定任务的数据采集工作，深入剖析网络爬虫进行数据采集的过程和策略、如何抓取不同类型的数据和文档内容以及抓取过程中的优化，教会学生通过一种常见工具完成对指定任务的数据进行采集，并实现本地存储。

　　三、《数据挖掘与数据仓库》

　　本课程主要讲解数据挖掘和数据仓库技术的基本原理和应用方法，包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘等。

　　四、《机器学习》

　　本课程分为理论和实验两个主要部分：理论部分基于机器学习整体体系结构，从数学理论、直观理解和编程实现方向讲授机器学习的各种模型和算法；实践部分给出实际待解决的问题，由学生自己动手，使用Python或R编程语言利用机器学习算法解决实际问题。通过本课程学生可以理解数据背后的真实含义，理解机器学习在我们生活当中的重要作用，掌握发展的机器学习技术。

　　五、《自动化数据分析》

　　本课程以业务数据及其他相关数据为依据，采用一系列专门的分析技术和方法，对企业等经济组织过去和现在有关营销活动、投资活动、营运能力和增长能力状况等进行分析与评价，为企业的经营管理者了解企业过去、评价企业现状、预测企业未来、做出正确决策提供准确的信息或依据。课程的目标是使学生掌握数据分析在企业经营和价值增值中的实践和应用方法、数据分析报告的撰写，便于在工作中实际操作。

　　大数据技术涉及的知识：

　　（1）大数据与Hadoop生态系统。分析分布式文件系统HDFS、集群文件系统ClusterFS和NoSQL Database技术的原理与应用；分布式计算框架Mapreduce、分布式数据库HBase、分布式数据仓库Hive。

　　（2）关系型数据库技术。关系型数据库的原理，掌握典型企业级数据库的构建、管理、开发及应用。

　　（3）分布式数据处理。分析Map/Reduce计算模型和Hadoop Map/Reduce技术的原理与应用。

　　（4）海量数据分析与数据挖掘。数据挖掘技术、数据挖掘算法–Minhash, Jaccard and Cosine similarity，TF-IDF数据挖掘算法–聚类算法；以及数据挖掘技术在行业中的具体应用。

　　（5）物联网与大数据。物联网中的大数据应用、遥感图像的自动解译、时间序列数据的查询、分析和挖掘。

　　（6）文件系统（HDFS）。HDFS部署，基于HDFS的高性能提供高吞吐量的数据访问。

　　（7）NoSQL。NoSQL非关系型数据库系统的原理、架构及典型应用。

　　大数据相关的大数据分析、大数据挖掘等行业开始发展，未来人工智能、物联网和云计算的发展，都离不开大数据的支持。