随着科学技术的迅速发展，人类开始进入大数据时代，云计算、大数据、移动互联网已成为时代三大主题，正在推动着新经济时代的发展。在科学领域、经济领域及社会生活的方方面面，呈现出海量数据特征，在海量数据中蕴含着人类各种行为、心理信息。

对此有网友表示称，常说的"大数据"和"云计算"应该当成动词。即"大数据"指大数据分析或大数据处理。"大数据"对应"小数据算法"，"云计算"对应"单个计算机的计算"。比如"1+1等于几"这个问题，我们可以通过小数据算法（口算），用单个计算机的计算（甚至计算器）完成计算。再想象一个复杂的问题，需要跨时间、跨空间计算的问题，比如"去年中国各行各业的生产总值，加上美国今年各行各业的生产总值是多少？"这个问题我们就需要通过大数据的分析或处理方法，用云计算完成。

进一步说，要通过分析或处理各地各时段存储的各种数据资源，用互联网上（云）大量的计算机进行计算（计算）得出结果。这就是大数据、云计算。你可以通俗的理解为：大数据（分析或处理）是前台，云计算是后台。

或者理解为：大数据（分析或处理）是软件方法，云计算是硬件设备资源。或者可以再直观的理解为：大数据就是人直接操作的界面（网页、软件或App），云计算就是这些网站、软件或App供应商提供的服务。

2017年高考已经顺利结束，接下来考生也应该为填志愿好好准备了，今天小编为大家解读一下最近最热门的专业-大数据科学与大数据技术,供高三毕业生填志愿时参考大数据专业产生的背景

21世纪中国互联网经济的兴起，特别是以电商为主的商业平台的兴起以及智能手机的普及，各行业强化与互联网的结合，各行业产生的大量数据需要收集、处理、分析以及云数据库的兴起等都需要大量的大数据人才。

另一方面，随着互联网的发展，网络安全和个人隐私的保护都需要大量的人才进行数据的保护。而我国开设大数据相关专业的高校少之又少。所以各高校从2016年才起积极申请开设大数据相关的专业，第一批招生从2017年6月开始

“大数据”专业学什么?

大数据领域三个大的技术方

方向一、Hadoop大数据开发方向

方向二、数据挖掘、数据分析&机器学习方向

方向三、大数据运维&云计算方向

该专业包括基础课程、核心课程及选修课程三大模块。其中专业基础部分侧重为语言和专业基础方面的课程，包括《大数据的Python基础》、《Linux系统基础》、《大数据的统计基础》等。专业核心部分涵盖了数据采集、存储与处理方面的内容，包括《数据存储（MySQL）》及《数据清洗》等课程。专业选修部分以大数据分析、开发及应用为重点，开设包括《数据分析导论》、《大数据行业应用导论》、《数据可视化》、《Hadoop大数据平台基础》等课程。

开设大数据专业的高校

在教育部公布的高校新增专业名单中，有35所高校成为第成功申请“数据科学与大数据技术”本科新专业的高校，第一批三所高校为：北京大学、对外经济贸易大学、中南大学

第二批高校清单如下:

大数据专业培养本科生的目标

“大数据技术与应用”专业强调培养具有大数据实践能力的大数据人才。该专业重点培养具有以下两方面素质的人才：一是工具的掌握，掌握数据采集和数据分析的基本工具；二是数据分析能力，掌握实用数据分析和初步数据建模能力。

大数据专业毕业生的发展前景

随着工业生产的智能化、互联网技术对各行业的渗透，未来大数据专业人才的就业面会更广阔，晋升的速度也会相对较快；据全球咨询公司麦肯锡的报告显示：预计到2018年大数据人才的岗位需求会激增，特别是在中国，需求缺口会更大。这些都为大数据专业的毕业生提供很好的就业前景

填报建议

高三毕业生在选择大数据及其相关专业时，最好与自身的兴趣相结合，不要因为大数据专业热门而盲目地填报；大数据专业一般只招收理科生，学习大数据的理论知识及其技术需要很强的逻辑思维和长久的坚持；如果在大学期间没有学到真技术，毕业后也会面临失业的危险！

对于云计算、大数据、云安全等领域的专业人员，专业技术认证是云计算、大数据、云安全等人才的一种凭证，通过者具备在云上设计、部署或管理应用程序和基础设施的专业知识。 获得阿里云的专业技术证书有助于增加使用阿里云产品的丰富经验，同时还能提升你熟练使用基于阿里云的云服务应用的水平。 企业获得阿里云的专业技术认证，可以帮助更高效地设计阿里云上的应用架构，节省投入成本、提高运营和运维效能。 个人获得阿里云的专业技术认证，可以提升对云计算、大数据、云安全等产品的专业能力，证明在云计算、大数据、云安全等领域的能力，并获得职业发展。 阿里云的专业技术认证路线为ACA（Alibaba Cloud Certified Associate）、ACP（Alibaba Cloud Certified Professional）、ACE（Alibaba Cloud Certified Expert ）三个层级，分别代表具备基础、专业以及专家级别的云产品应用的专业技术水平。

阿里云云计算专业认证（ACP级-Alibaba Cloud Certified Professional）是面向使用云计算产品的架构、开发、运维类人员的专业技术认证，主要涉及云的计算、存储、网络、安全类的核心产品。通过该技术认证可以有效证明该认证人员具备以下能力：IT、云计算及网络安全相关从业的基础知识 能够根据企业的业务需求，基于云的产品制定有效的技术解决方案和企业最佳实践，能够熟练的使用和操作云服务器ECS、负载均衡SLB、对象存储OSS、专有网络VPC、弹性伸缩（Auto Scaling）、内容分发网络CDN、云盾及云监控产品，能够诊断基于云计算产品构建的业务系统在运行中出现的常见问题并找到相应的解决方案。

云服务器ECS考试内容 熟悉云服务器ECS相关的概念，主要包括地域及可用区、实例、磁盘、快照、镜像、网络、安全组 了解云服务器ECS的优势、计费、应用场景、API及SDK 能够基于云服务器ECS产品进行应用的部署 掌握云服务器ECS实例、磁盘、安全组、快照、镜像和标签的使用和操作 能够发现并解决云服务器ECS实例的操作系统、服务器登录及其他产品使用中常见的问题 能够基于云服务器ECS与负载均衡SLB、专有网络VPC、对象存储OSS、内容分发网络CDN、云数据库RDS、弹性伸缩（Auto Scaling）、云盾和云监控产品实现应用的解决方案

弹性伸缩（Auto Scaling）考试内容 熟悉弹性伸缩Auto Scaling相关的基本概念，包括伸缩组、伸缩配置、伸缩规则、伸缩活动、伸缩触发任务、伸缩模式以及冷冻时间 熟悉弹性伸缩Auto Scaling的功能、产品优势及常用应用场景 掌握弹性伸缩Auto Scaling的具体配置和操作，包括伸缩组的创建和维护、规则和任务的配置、报警任务的配置等 了解弹性伸缩Auto Scaling使用中的注意事项，能够发现并解决使用过程中的常见问题 能够基于弹性伸缩Auto Scaling与云服务器ECS、负载均衡SLB产品实现应用的解决方案

负载均衡SLB考试内容 熟悉负载均衡SLB相关的基本概念和功能，包括负载均衡的定义、实现原理、支持的协议、会话保持、健康检查、后端服务器权重、证书、转发策略 熟悉负载均衡SLB的产品优势以及适用场景 掌握负载均衡SLB的使用、操作以及维护，包括负载均衡SLB的配置、维护、注意事项以及问题识别和处理 能够基于负载均衡SLB与云服务器ECS、弹性伸缩Auto Scaling产品实现应用的解决方案

专有网络VPC考试内容 熟悉专有网络VPC产品的相关概念，包括专有网络、路由器、交换机、路由表及路由条目 了解专有网络VPC产品的优势及应用场景 掌握专有网络、交换机、EIP、路由器及路由表的使用和操作 了解专有网络VPC的安全与配置、使用限制 能够进行专有网络VPC的监控运维 了解通过高速通道实现专有网络VPC之间的互联方案 能够在专有网络VPC内进行云服务器ECS、负载均衡SLB和对象存储OSS产品的使用，并实现应用的解决方案

对象存储OSS考试内容 熟悉对象存储OSS的产品相关的概念，包括地域、Bucket、Object、防盗链、Object生命周期管理 了解对象存储OSS产品的优势、应用场景及计费模式 掌握对象存储OSS的存储空间和对象的管理、使用和操作 了解对象存储OSS提供的图片处理能力 了解对象存储OSS产品使用中的常见问题 能够基于对象存储OSS与云服务器ECS、内容分发网络CDN和媒体转码服务MTS实现应用的解决方案

内容分发网络CDN考试内容 熟悉内容分发网络CDN产品的基本概念,包括DNS解析、智能DNS、CNAME、缓存、边缘节点、加速域名、回源等 了解内容分发网络CDN产品的优势及应用场景及计费模式 能够进行内容分发网络CDN的基础配置和优化，能解决基本的常见问题 能够基于内容分发网络CDN与云服务器ECS、对象存储OSS产品实现应用的解决方案

云安全、云盾及云监控考试内容 具备使用云服务的基本安全意识及安全基础知识 了解阿里云云盾系列产品，包括DDoS基础防护、DDoS高防IP、安骑士、态势感知、绿网、云监控、服务器安全托管 了解DDoS基础防护、安骑士、态势感知、绿网和云监控产品的基本操作 能够通过阿里云提供的安全报警发现DDoS攻击防护、密码暴力破解，SQL注入常见安全风险，并使用云盾产品进行防护

云计算通用知识考试内容 具备云计算领域从业人员需要具备的相关的概念、技术及云计算优势方面的基础知识，包括云计算的定义、特点、优势、服务类型、实现技术及部署方式等

阿里云大数据专业认证（ACP级-Alibaba Cloud Certified Professional）是面向使用大数据产品的架构、开发、运维类人员的专业技术认证，主要涉及大数据类的几款核心产品，包括大数据计算服务（MaxCompute，原ODPS）、Data IDE（原BASE）、数据集成（原CDP云道）等。通过该技术认证可以有效证明该认证人员具备以下能力：具备大数据的存储、处理以及分析的基础知识，能够根据企业的业务需求，基于阿里云的产品制定有效的技术解决方案和企业最佳实践，能够熟练的使用阿里云的大数据计算服务、Data IDE以及数据集成等产品，能够诊断基于阿里云大数据产品构建的业务系统在运行中出现的常见问题并找到相应的解决方案。

大数据计算服务考试内容 熟悉大数据计算服务基本概念，包括项目空间、表、分区、资源、任务等 了解大数据计算服务的组成架构和各组成部分功能 掌握大数据计算服务的特点、优势以及适用场景 掌握大数据计算服务的连接和使用方式，包括使用客户端odpscmd、管理控制台、Java SDK等 掌握大数据计算服务的数据上传和下载，可以熟练的使用tunnel命令行工具，了解Tunnel SDK 掌握大数据计算服务的SQL命令，包括DDL、DML以及常见内置函数 熟悉大数据计算服务的用户自定义函数，包括UDF、UDAF以及UDTF，可以编写简单的自定义函数 熟悉大数据计算服务的MapReduce编程框架，可以配置eclipse的环境，编写简单的MR程序 了解大数据计算服务的Graph编程框架，包括基本概念、处理流程等，可以编写简单的Graph程序 了解大数据计算服务DataHub的相关概念和使用方法 熟悉大数据计算服务的安全和权限管理的概念和实际操作，包括用户、角色、授权（ACL&Policy）、项目空间保护、例外以及安全等级等

Data IDE考试内容 熟悉Data IDE的基本功能模块，包括数据开发、数据管理、运维中心、组织管理以及项目管理等 了解Data IDE的基本特点，包括角色隔离、环境隔离等 可以使用项目管理和组织管理模块搭建环境 熟练使用Data IDE的数据开发模块进行设计开发，包括建表、任务开发、资源上传、数据上传、新增函数等 熟练使用Data IDE的数据开发模块进行工作流任务和节点任务的开发设计，并且可以配置合适的依赖和周期性调度 熟练使用数据管理模块进行数据管理，包括血缘分析、表的使用权限申请和授权等 对于使用过程中出现的问题，能够识别、定位，对其中基本的问题能进行修复

数据集成考试内容 了解数据集成的基本概念和工作流程 熟练使用数据集成进行多种场景下的数据同步，可以从不同的数据源同步数据到大数据计算服务 了解数据集成中的DataX组件，包括概念、功能以及实际使用 了解并能正确使用数据集成中的字段映射、常量使用、变量使用、导入导出规则等 了解数据集成的最佳实践，比如切分键配置等 能够对使用过程中出现的常见问题进行排查，并能解决其中的基本问题 对于数据集成中的脏数据能够进行正确的处理

应用和架构考试内容 了解其他相关云产品的特点和应用场景，包括云数据库RDS、分布式关系型数据库DRDS、表格存储（Table Store，原OTS）、分析型数据库（Analytic DB，原ADS）等 了解大数据计算服务、Data IDE以及数据集成等如何与其他相关产品配合使用 能根据实际的应用场景，结合阿里云产品的特点设计合理的基础架构

阿里云云安全专业认证（ACP级-Alibaba Cloud Certified Professional）是面向使用安全产品的架构、开发、运维类人员的专业技术认证，主要涉及云的安全和监控、管理类的核心产品。通过该技术认证可以有效证明该认证人员具备以下能力： 1、具备IT和网络安全相关从业的基础知识。 2、能够根据企业的业务需求，基于云产品和服务制定有效的安全防护方案，进而保护云上的核心资产。 3、能够熟练的使用和操作云盾（包括：安骑士、DDoS基础防护、DDoS高防IP、WAF、绿网、态势感知、先知等）及云监控、RAM、VPC产品。 4、熟悉常见的安全风险类型（包括：网络级、主机级、WEB应用、数据库类） ，并根据具体情况选择最优的云上安全解决方案。

阿里云云盾、云监控、RAM考试内容：云服务相关安全基础协议，HTTP、FTP、TCP、UDP、ICMP等。阿里云云盾DDoS高防IP和Web应用防火墙等全系产品的产品特点、应用场景，竞争优势，产品功能。阿里云安全管控相关产品，包括云监控、RAM、VPC、安全组的产品特点、应用场景，产品功能。安全核心产品，DDoS基础防护、DDoS高防IP、安骑士、态势感知、绿网和云监控产品的基本操作及管理。安全应用方案设计，例如收到管理控制台、邮件、短信报警后能正确理解和处理，具体包括发现DDoS攻击、密码暴力破解，SQL注入等常见安全风险，并选择合适的方案进行防护。云计算相关产品（ECS、SLB、OSS、RDS、VPC、CDN）考试内容：了解以上产品的定位、主要功能、工作原理和应用场景。了解以上产品经常遇到的安全威胁，及组合方案的安全优势。

阿里云专业技术认证ACP之云计算、大数据、云安全介绍

https://qwzyj/thread-175-1-1.html (出处: 全网资源菌)

云计算的核心思想，是将大量用网络连接的计算资源统一管理和调度，构成一个计算资源池向用户按需服务。云计算的基本原理是，通过使计算分布在大量的分布式计算机上，而非木地计算机或远程服务器中完成目标任务。企业数据中心的运行将更与互联网相似。这使得企业能够将资源切换到需要的应用上，根据需求访问计算机和存储系统。

对此有网友表示称，那大数据好不好学呢？其实所谓大数据，就是由很多小数据汇聚而成的，我们本身就是一个数据，比如我们的通讯信息、我们的路线信息、我们浏览网页的信息等等，都是一个个活生生的数据，而正是这一个个精确的数据组成了我们口中的大数据。什么叫做大数据？说白了就是一台机器干不完，大家一起干。可是随着数据量越来越大，很多不大的公司都需要处理相当多的数据，这些小公司没有这么多机器可怎么办呢？

说到这里，大家想起云计算了吧。当想要干这些活时，需要很多的机器一块做，真的是想什么时候要就什么时候要，想要多少就要多少。大数据和云计算其实并不难学，一般4到5个月的培训就能找工作了。

只需自己想学，感兴趣的话，不管什么根底都能够学，仅仅要比他人更努力的去学了。柠檬学院大数据，注册就能学习大数据了，一起还有大数据的根底课程java，linux，mysql等。好多机构，也是有各种活动的啊。肯定要必定的根底，仍是挺轻松的，去大讲台看看，推出在线运用科学混合式自适应学习体系安排线上教育，运用大数据可视化的在线实训体系安排实战练习。

无论是否你这个学校里面有没有人工智能、大数据、云计算等专业，老师们的研究方向中肯定会有这些。即使你所在是专业是计算机科学与技术、软件工程亦或是网络工程等，你还是可以去跟着老师研究单独的一个方向，即使你们不学这个。

人工智能强校名单

当前，中国人工智能领域的差距其实是在与美国高校的差距上。因为一篇顶尖论文的发表后，我们大概在3、4个月就能消化吸收了。所以在应用领域里，我们与美国的差距不大。但在基础研究方面，我们的差距是巨大的。下面是排名20强的高校，都是知名的学校，高考或者考研的你可以把这些高校作为目标。

智能科学与技术专业

目前，全国仅有20多所高校招收智能科学与技术专业，其中，开设该专业较早的高校有北京大学、北京邮电大学、南开大学、西安电子科技大学、华南理工大学、中南大学、中山大学、北京科技大学、厦门大学、东北电力大学、首都师范大学、北京信息科技大学、西安邮电大学等。近几年，华南理工大学、大连东软信息学院等院校也新开设了该专业。

大数据

自2015年教育部开设了“数据科学与大数据技术专业”，首批只有北京大学、中南大学和对外经济贸易大学三所学校申报成功，2016年有31所高校申报成功。从两次获批的”数据科学与大数据技术专业”名单中可以看出，该专业学制都为四年，授予工学学位或理学学位。

云计算

国内高校开展云计算专业研究最早是在2015年，目前为止也已经有不少的院校已经开设了云计算相关的专业课程，但是目前阶段，云计算相关专业还没有正式列入本科专业目录。大家可以参考一下以下的内容，首批开设云计算与数据科学专业方向的院校有：北京航空航天大学，浙江大学，复旦大学，上海交通大学，西安交通大学，南京大学，武汉大学，华南理工大学。

云计算是什么？云计算与大数据要学啥？云计算的虚拟空间无限大，物联网和互联网产生的大量数据，要找一个地方集中存储和处理，就要用云来存储。比如我们平时手机或电脑存储空间不够的情况下，会把一些图片及视频存在云盘，云端。

云计算，简单说就是把你自己电脑里的或者公司服务器上的硬盘、CPU都放到网上，统一动态调用，现在最有名的云计算服务商是亚马逊的AWS。以前你要玩最新的大型3D游戏或者做了个大型3D动画需要渲染，首先想到的都是重新买一台更高配置电脑或者换个显卡等；

有了云计算之后，你只需要一台显示器，连到服务商的云计算平台上，如果想玩两天新游戏，就单独购买这两天的高配CPU和显卡，只付两天的钱，玩腻了就恢复成普通的配置；如果你今晚要做大量渲染，就买今晚几个小时的高配，第二天早上拿到成片，就可以恢复原来的配置。所有这些计算和渲染工作都在云计算服务商的数据中心统一完成，你只需要按小时甚至按分钟计费，不用再自己买电脑和服务器了。做云计算的服务商都会自建数据中心。

大数据，简单说，就是把所有的数据放到一起分析，找到关联，实现预测。这里的所有数据对应的是之前的抽样调研取得的部分数据。比如传统的市场调研方法，就是去大街上或者网上发问卷，能得到成百上千份结果就很不错了，或者邀请几个典型用户到会议室访谈一下；大数据的做法是把收集所有人的数据进行分析，把每个人都当做独立个体进行分析，而不是找群体特征。大数据的结果就是更精准，更细致，更个性化。

再比如我们经常会看一些现代谍战片，侦察部如何找到罪犯？就是通过全城监控录像，在海量数据中搜索一个人的面孔，犯罪分子只要出现在监控中都会保留一条数据及位置，从而更好地实施下一步方案，大大提高破案效率。这也是企业为什么在极力追捧云计算大数据技术。再比如京东、淘宝、今日头条、新浪、百度、网易、等购物网站，就是采用这种技术。今天看过或搜过的，下次再打开就会主动推送什么类型的文章。

简单的说大数据就是超级存储的意思，海量数据上传到云平台后，大数据就会对数据进行深入分析和挖掘。在在各行各业均存在大数据。比如天气预报，气象中心会通过卫星发送回气象局无数条关于空气温度、湿度、密度、空气微粒等的数据，运用大数据技术，从而分析判断出这些数据。得出天气状况、空气质量、温度及风量。再比如将几千辆车的数据位置信息综合起来分析出某条路的拥堵状况。大数据必须有云作为它的基础架构，才可以推广并体现出强大的实用价值。云计算和大数据是相辅相成的。

云计算和大数据哪个发展前景好？

说实在话，二者之间都是未来的发展趋势，没有说那种好或者不好，根据你的兴趣，你未来的发展方向，来判断你想走那条路!

大数据相当于海量数据的“数据库”，而且通观大数据领域的发展也能看出，当前的大数据处理一直在向着近似于传统数据库体验的方向发展，Hadoop的产生使我们能够用普通机器建立稳定的处理TB级数据的集群，把传统而昂贵的并行计算等概念一下就拉到了我们的面前，但是其不适合数据分析人员使用(因为MapReduce开发复杂)，所以PigLatin和Hive出现了(分别是Yahoo!和facebook发起的项目，说到这补充一下，在大数据领域Google、facebook、twitter等前沿的互联网公司作出了很积极和强大的贡献)，为我们带来了类SQL的操作，到这里操作方式像SQL了，但是处理效率很慢，绝对和传统的数据库的处理效率有天壤之别，所以人们又在想怎样在大数据处理上不只是操作方式类SQL，而处理速度也能“类SQL”，Google为我们带来了Dremel/PowerDrill等技术，Cloudera(Hadoop商业化最强的公司，Hadoop之父cutting就在这里负责技术领导)的Impala也出现了。

整体来看，未来的趋势是，云计算作为计算资源的底层，支撑着上层的大数据处理，而大数据的发展趋势是，实时交互式的查询效率和分析能力，借用Google一篇技术论文中的话，“动一下鼠标就可以在秒级操作PB级别的数据”难道不让人兴奋吗?

在谈大数据的时候，首先谈到的就是大数据的4V特性，即类型复杂，海量，快速和价值。IBM原来谈大数据的时候谈3V，没有价值这个V。而实际我们来看4V更加恰当，价值才是大数据问题解决的最终目标，其它3V都是为价值目标服务。在有了4V的概念后，就很容易简化的来理解大数据的核心，即大数据的总体架构包括三层，数据存储，数据处理和数据分析。类型复杂和海量由数据存储层解决，快速和时效性要求由数据处理层解决，价值由数据分析层解决。

数据先要通过存储层存储下来，然后根据数据需求和目标来建立相应的数据模型和数据分析指标体系对数据进行分析产生价值。而中间的时效性又通过中间数据处理层提供的强大的并行计算和分布式计算能力来完成。三层相互配合，让大数据最终产生价值。

传统的BI分析通过大量的ETL数据抽取和集中化，形成一个完整的数据仓库，而基于大数据的BI分析，可能并没有一个集中化的数据仓库，或者将数据仓库本身也是分布式的了，BI分析的基本方法和思路并没有变化，但是落地到执行的数据存储和数据处理方法却发生了大变化。

谈了这么多，核心还是想说明大数据两大核心为云技术和BI，离开云技术大数据没有根基和落地可能，离开BI和价值，大数据又变化为舍本逐末，丢弃关键目标。简单总结就是大数据目标驱动是BI，大数据实施落地式云技术。