1，大数据专业主要学什么2，大数据主要学习什么3，大数据都需要学什么4，大数据分析应该掌握哪些基础知识5，大数据都需要学什么1，大数据专业主要学什么
大数据学习内容主要有：①javase核心技术；②hadoop平台核心技术、hive开发、hbase开发；③spark相关技术、scala基本编程；④掌握python基本使用、核心库的使用、python爬虫、简单数据分析；理解python机器学习；⑤大数据项目开发实战，大数据系统管理优化等。
2，大数据主要学习什么
大数据分析挖掘与处理、移动开发与架构、软件开发、云计算等前沿技术等。主修课程：面向对象程序设计、hadoop实用技术、数据挖掘、机器学习、数据统计分析、高等数学、python编程、java编程、数据库技术、web开发、linux操作系统、大数据平台搭建及运维、大数据应用开发、可视化设计与开发等。旨在培养学生系统掌握数据管理及数据挖掘方法，成为具备大数据分析处理、数据仓库管理、大数据平台综合部署、大数据平台应用软件开发和数据产品的可视化展现与分析能力的高级专业大数据技术人才。
3，大数据都需要学什么
（1）统计学：参数检验、非参检验、回归分析等。
（2）数学：线性代数、微积分等。
（3）社会学：主要是一些社会学量化统计的知识，如问卷调查与统计分析；还有就是一些社会学的知识，这些对于从事营销类的数据分析人员比较有帮助。
（4）经济金融：如果是从事这个行业的数据分析人员，经济金融知识是必须的。
（5）计算机：从事数据分析工作的人必须了解你使用的数据是怎么处理出来的，要了解数据库的结构和基本原理，同时如果条件充足的话，你还能有足够的能力从数据库里提取你需要的数据（比如使用sql进行查询），这种提取数据分析原材料的能力是每个数据从业者必备的。
此外，如果要想走的更远，还要能掌握一些编程能力，从而借住一些专业的数据分析工具，帮助你完成工作。扩展材料：
大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。
大数据包括结构化、半结构化和非结构化数据，非结构化数据越来越成为数据的主要部分。据idc的调查报告显示：企业中80%的数据都是非结构化数据，这些数据每年都按指数增长60%。
大数据就是互联网发展到现今阶段的一种表象或特征而已，没有必要神话它或对它保持敬畏之心，在以云计算为代表的技术创新大幕的衬托下，这些原本看起来很难收集和使用的数据开始容易被利用起来了，通过各行各业的不断创新，大数据会逐步为人类创造更多的价值。
4，大数据分析应该掌握哪些基础知识
随着互联网行业的不断发展。很多人想要从事互联网方面的工作，现在非常流行的就是大数据，你了解大数据是做什么的吗？学习大数据需要掌握哪些知识？大数据在未来有很大的发展机会，每个岗位需要具备的能力是不同的。下面小编为大家介绍学习大数据需要掌握的知识。大数据业务流程有四个基本步骤，即业务理解，数据准备，数据挖掘和分析应用程序。该过程分为三个功能区：大数据系统开发，整个操作系统的构建和维护，数据准备，平台和工具开发。大数据挖掘，负责关键模型应用和研究工作。大数据分析应用程序：两者都是外部需求的访问者也是解决方案的输出，并且在许多情况下还将承担整体协调的作用。大数据提取转换和加载过程（etl）是大数据的重要处理环节。提取是从业务数据库中提取数据。转换是根据业务逻辑规则处理数据的过程。负载是将数据加载到数据仓库的过程中。数据提取工具实现了db到hdfs的数据导入功能，并提供了高效的分布式并行处理能力。可以使用数据库分区，字段分区和基于分页的并行批处理将db数据提取到hdfs文件系统中，从而可以有效地按字段解析分区数据。数据收集可以是历史数据采集或实时数据采集。它可以收集存储在数据库中的结构化数据，或收集非结构化数据，如文本，图片，图像，音频，视频等。结构变化较大的半结构化数据，可以在数据后直接存储在流量状态分析平台上收集完成。数据分析师需要的技能大致有这些：excel、sql、统计学及spss、python/r等。建议从excel开始，因为excel是使用最多，也是最强大的数据分析工具，入门简单，因为大部分人都接触过excel。
5，大数据都需要学什么
基础阶段：linux、docker、kvm、mysql基础、oracle基础、mongodb、redis。hadoop mapreduce hdfs yarn：hadoop：hadoop 概念、版本、历史，hdfs工作原理，yarn介绍及组件介绍。大数据存储阶段：hbase、hive、sqoop。大数据架构设计阶段：flume分布式、zookeeper、kafka。大数据实时计算阶段：mahout、spark、storm。大数据数据采集阶段：python、scala。大数据商业实战阶段：实操企业大数据处理业务场景，分析需求、解决方案实施，综合技术实战应用。大数据(big data,mega data)，或称巨量资料，指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。 在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法(抽样调查)这样的捷径，而采用所有数据进行分析处理。大数据的5v特点:volume(大量)、velocity(高速)、variety(多样)、value(价值密度)、veracity（真实性）。大数据的5个“v”，或者说特点有五层面：第一，数据体量巨大从tb级别，跃升到pb级别。第二，数据类型繁多前文提到的网络日志、视频、图片、地理位置信息等等。第三，价值密度低以视频为例，连续不间断监控过程中，可能有用的数据仅仅有一两秒。第四，处理速度快1秒定律。最后这一点也是和传统的数据挖掘技术有着本质的不同。业界将其归纳为4个“v”——volume，variety，value，velocity。物联网、云计算、移动互联网、车联网、手机、平板电脑、pc以及遍布地球各个角落的各种各样的传感器，无一不是数据来源或者承载的方式。第一阶段：大数据技术入门1、大数据入门：介绍大数据技术培训课程，概要介绍。2、linux大数据必备：介绍linuxshell的变量，控制，循环基本语法，linuxcrontab定时任务使用，对lniux基础知识，进行阶段性实战训练，这个过程需要动手操作，将理论付诸实践。3、cm&cdhhadoop的cloudera版：包含hadoop，hbase，hiva，spark，flume等，介绍cm的安装，cdh的安装，配置，等等。第二阶段：海量数据高级分析语言介绍scala的函数，函数按名称调用，使用命名参数函数，函数使用可变参数，递归函数，默认参数值，高阶函数，嵌套函数，匿名函数，部分应用函数，柯里函数，闭包，需要进行动手的操作。第三阶段：海量数据存储分布式存储1、hadoophdfs分布式存储2、hbase分布式存储第四阶段：海量数据分析分布式计算1、hadoopmapreduce分布式计算：是一种编程模型，用于打过莫数据集的并行运算。2、hiva数据挖掘：对其进行概要性简介，数据定义，创建，修改，删除等操作。3、spare分布式计算：spare是类mapreduce的通用并行框架。学大数据的课程有8个阶段：除了基本的java知识还有linux、hadoop、storm生态系统等，反正有好多，就想it行业开发的大组合。这个不同城市不同地方不同学校学的课程都不一样，具体可以去学校了解一下。