论文网
跨学科有关论文范文,与美国大数据专业硕士生教育的背景、现状、特色与相关论文格式模板
本论文是一篇跨学科有关论文格式模板,关于美国大数据专业硕士生教育的背景、现状、特色与相关专升本毕业论文范文。免费优秀的关于跨学科及数据及计算机科学方面论文范文资料,适合跨学科论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
6;传统（1950～2000年）的数据分析是对过去数据的回顾属于描述型,其类型95%属于报导和描述、5%属于预测和指导,称为“分析1.0（Analytics1.0,TraditionalAnalytics）”时代；当前（2000年至今）热门的大数据分析是运用模型根据过去的数据预测未来属于预测型,其类型95%属于报道和数据可视化描述、5%属于预测和指导,称为“分析2.0（Analytics2.0,BigData）”时代；而我们正在进入的“分析3.0（Analytics3.0,DataEconomy）”时代被定义为“数据经济快速影响（FastImpactfortheDataEconomy）”背景下使用模型来规范最优行为和行动,属于规范指导型,其类型90%属于预测和规范指导性质,是经过系统运算后自动生成的内容.“分析3.0”时代最重要的特征就是数据经济,不仅网络公司,任何行业任何类型的公司都可能参与到数据经济中来,将数据分析嵌入到公司的关键过程和员工行为中.托马斯作为有影响力、敏捷和多产的思想家,他的“分析3.0”的观点对美国大学的大数据专业教育有深刻影响.因此,我们应该看到数据分析与应用的发展趋势,以及其更深入和更广泛的未来,中国需要类似这样的专家,也需要这样的研究讨论氛围,这对中国的大数据人才培养极为重要.3.2清晰了大数据科学家应具备的知识结构与综合能力
数据科学家应具备的知识与技能要求非常高,美国有许多学者进行了讨论,中国要培养自己的大数据人才需要参考美国的做法.从美国各大学的专业课程中的核心、必修、选修科目加上毕业设计（Capstone）的设置情况[15],我们可以获得一些启示,可将数据科学家应具备的知识与技能归纳为“技术硬指标”和“人文软实力”两个方面[16].
| 有关论文范文主题研究: | 跨学科相关论文范文 | 大学生适用: | 学院论文、本科论文 |
|---|---|---|---|
| 相关参考文献下载数量: | 20 | 写作解决问题: | 怎么写 |
| 毕业论文开题报告: | 文献综述、论文前言 | 职称论文适用: | 职称评定、职称评初级 |
| 所属大学生专业类别: | 怎么写 | 论文题目推荐度: | 经典题目 |
技术硬指标方面主要有以下要求：（1）数学.微积分和线性代数是大多数数据挖掘应用程序需要矩阵计算的基本算法.（2）统计学.掌握相关性分析、多元回归,揉合各种数据从不同角度进行预测性和指导规范性建模,会使用R、SAS、SPSS、SciPy、Stata等统计工具软件.（3）编程和写脚本.掌握编程语言可以更具竞争力,如：Python、C/C++、Java、Ruby、Perl、MATLAB、Pig等.（4）数据库.熟练掌握SQL,关注NewSQL这类高扩展、高性能数据库,如：ClouderaImpala、Clustrix、VoltDB等.（5）分布式计算系统：熟悉Apache产品族,钻研NoSQL平台,了解ApacheCassandra和MongoDB的优缺点,动手实践Hadoop、HBase、Cassandra、MapReduce、Hive等不断出现的新系统.（6）数据挖掘.数据挖掘是跨学科的,借鉴人工智能和机器学习、统计数据和数据库系统等.（7）数据建模.从ERWin、AgileDataModeling、ORMDiagrams、UMLclassdiagrams、CRCcards、Conceptual/logical/physicalschema、DDL、Bachmandiagrams、ZachmanFramework等数据建模工具开始,掌握建模技术和方法.（8）预测建模.（9）机器学习.（10）数据可视化.选择掌握Flare、HighCharts、AmCharts、D3.js、Processing、GoogleVisualizationAPI、Raphael.js、Tableau等其中一些可视化工具.人文软实力方面主要有以下要求：（1）专业领域知识.对某行业及其数据非常了解,诸如医药、政府、零售、制造业等.（2）创造力和求知欲.有创造力的数据科学家都是充满好奇心的,需要出众的发现能力.（3）善于包装会编故事.将复杂的数据包装后像讲故事般娓娓叙述出来.（4）顺利执行项目、保证实现目标的项目管理能力.（5）保护数据隐私的道德.（6）通过简短的交流能达到目的的能力,称为电梯间交流（elevatorspeech）能力.
3.3为跨学科开设大数据硕士研究生课程提供参考
中国在2004年开始数据分析人才的考培工作,首批项目数据分析师（CPDA,CertificateofProjectsDataAnalysis）诞生.目前,国内数据分析师较为擅长的是处理已经发生的问题,找出问题源头,并且尽快排除问题,但是,相对缺乏发掘未知问题的能力[17].大数据的应用价值在于预测未来,这样的应用需求与国内数据科学家不匹配,这将成为国内发展大数据应用的最大挑战.2013年1月,国内首个“大数据技术与应用”软件工程硕士项目在北京航空航天大学正式启动.在国务院学位办正式批准设立的专业硕士学位中“应用统计学硕士”（MasterofAppliedStatistics）是与大数据最相关的专业,目前,统计专业在全国至少有五六个培养方向,例如：厦门大学侧重经济统计；中央财经大学、西南财经大学侧重金融统计；中国人民大学门类比较齐全,涉及经济、生物与卫生流行病、风险管理等多个方面；南开大学侧重工业统计；北京大学和北京师范大学侧重理论统计；复旦大学侧重管理统计；首都经贸大学侧重金融统计分析和市场调查与分析,实践比例占大部分.众多开办统计学专业的大学中,只有中国人民大学、南开大学、天津财经大学、西南财经大学、厦门大学五所大学的统计学属于国家重点学科[18].另外,一些知名大学还建立了大数据研究中心,如清华大学、北京大学、中国人民大学、北京航空航天大学、北京邮电大学、厦门大学等,背后支撑的是各校统计分析、计算机和经济管理专业,有研究生参与大数据研究与实践工作.中国大数据硕士专业教育刚刚起步,我们需要启动类似美国的“中国大数据科学与工程研究计划”纲领性文件,国家在大数据平台的构建、典型行业的应用以及研发人才的培养等方面应提供相应的财力、物力与人力支持[19],明确鼓励科研院校开展跨学科合作来培养下一代数据科学家.大数据专业课程跨学科非常明显,无论中国将来的大数据专业集中出现在商学院还是计算机学院,或是完全新设专业,在未来中国如何跨学科合作培养出足够数量的、有发现能力的大数据人才是值得我们认真思考的.
4结语
麦肯锡的《大数据》报告显示至2018年美国大数据资深分析专家存在14万至19万缺口,决策经理和分析师缺口将达到150万人.美国各大学的大数据硕士课程从2011、2012年开始大量招生,对于报考学生的教育背景和知识结构要求比较高,但要成为真正的数据科学家,如果没有数年的内在数学能力训练和行业实践磨练,难以成为合格的数据科学家,因此,报告也强调即使在加快开展专业教育和职业培训的前提下,未来仍然存在人才缺口,那么吸引海外技术人才就是一个必然,中国是赴美留学生最多的国家,这将会给中国的高端人才竞争形成压力,我们必须要高度重视.
参考文献：
[1]IBM.NarrowsBigDataSkillsGapByPartneringWithMoreThan1,000GlobalUniversities[EB/OL].[2013-11-04].http：//-03.ibm./press/us/en/pressrelease/41733.wss.
[2]OBAMAADMINISTRATIONUNVEILS“BIGDATA”INITIATIVE：ANNOUNCES$200MILLIONINNEWR&DINVESTMENTS[EB/OL].[2013-12-04].http：//.whitehouse.gov/sites/default/files/microsites/ostp/big_data_press_release_final_2.pdf.
[3]Big
跨学科有关论文范文,与美国大数据专业硕士生教育的背景、现状、特色与相关论文格式模板参考文献资料：