【大数据导论】大数据序言

各位大佬好，这里是阿川的博客，祝您变得更强

在这里插入图片描述个人主页：在线OJ的阿川

大佬的支持和鼓励，将是我成长路上最大的动力 在这里插入图片描述

阿川水平有限，如有错误，欢迎大佬指正在这里插入图片描述

在这里插入图片描述

数据概念及类型及可用及组织形式

数据概念

数据

对客观事件进行记录并可以鉴别的符号
是构成信息的基本单位

在这里插入图片描述

数据类型

数据类型

文本（字符型数据）

在这里插入图片描述

文本文件常见格式：

在这里插入图片描述

图片

在这里插入图片描述

图片常见格式：

在这里插入图片描述

音频

在这里插入图片描述

音频常见格式：

在这里插入图片描述

视频

在这里插入图片描述

视频常见格式：
在这里插入图片描述

数据的可用

step1.数据清洗
将脏乱数据进行清洗；将数据缺失和语义模糊等数据进行处理；数据类型不符合可进行转换及解析
其中转换及解析常用工具和脚本语言：

在这里插入图片描述

step2.数据管理

将第1步后的数据放入数据库系统中进行管理和使用

step3.数据分析

将第2步后的数据利用数据挖掘和机器学习算法和构建统计模型（其中首选R语言及它的CRAN综合类库）及大数据处理技术（主要为谷歌的分布式编程模型MapReduce，Hadoop对其进行开源实现）进行分析

补充环节
step3.1 数据可视化

用图像等可视化，帮助人们进行直观理解数据

数据组织形式

文件

在这里插入图片描述

文件由文件系统进行管理

数据库（软件开发的基础与核心）

在这里插入图片描述

其中，关系数据库是之前主流的数据库，具有三种特性：

提供SQL语句进行各种查询操作
支持事务一致性功能
满足各种商业应用需求

在这里插入图片描述
其中，NoSQL数据库主要处理非结构化数据，而目前海量数据中90%都属于非结构化数据。
在现在及未来的时代中，NoSQL数据库的使用将是大势所趋

大数据的时代

在如今的时代，数据的产生正处于爆炸式的增长
如今不管是移动端还是PC端、Mac端，甚至传感器、摄像头亦或是各种设备（家用电器电视汽车等等）无时无刻不在产生着大量的数据
大数据的时代已经来临，随着时代的发展越加迅猛
与此同时，对数据的储存、处理与分析提出了更高的要求
与之所对应的 物联网、云计算和大数据孕育而生。
大数据的四个特性

数据量大 （PB级别甚至到EP、ZP级别）

在这里插入图片描述

数据类型繁多 （可以是文本、图片、视频、音频等非结构化类型）
处理速度快 （每秒钟处理GB数据甚至更高）
价值密度低 （海量数据中，符合条件的单点数据价值密度高）

大数据技术

大数据技术的 前提要求

储存设备的容量需要强
CPU处理能力需要强
网络宽带传输需要强
（抖个包袱：所以说搞大数据的电脑设备还是要有要求的）

大数据技术 四个流程

数据采集与预处理
数据储存与管理
数据处理与分析
数据可视化

中国大数据未来

大数据它是 赋能型专业 （可从大量的已知数据中进行计算，推出未知的理论）
可以为各行业进行深度融合（可与制造业、金融业、交通行业、互联网行业、餐饮行业、能源行业、城市管理行业等等进行融合）
也可以推动新技术和新应用的不断涌现（其中大数据产业是一条相当庞大的产业链 [其中包含数据的贩卖、数据的储存与管理、数据的平台、数据的应用软件等产业] ）

国家政策：

2015年8月31日国务院发布了 《促进大数据发展行动纲要》
2021年11月30日工业和信息化部发布了《“十四五”大数据产业发展规划》
2022年12月19日国务院发布了 《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》
地方政策：
《河南省大数据产业发展行动计划（2022-2025）》
《黑龙江省大数据产业发展规划（2021—2025年）》
顺便说说:
我抽时间把一些地方的产业集群详细地了解了一遍，如果要从事大数据、人工智能等高创新方向的人才，建议首选但残酷的北京，其次选积极向未来布局的广东和江苏。
夹带一个私货，由于阿川是四川的，所以说这里贴一个四川的产业集群

在这里插入图片描述
再加一个重庆的哈

在这里插入图片描述

大数据 专业
从2016年开始，国内由北京大学、中南大学、对外经济贸易大学这三所大学，首个建立了"数据科学与大数据技术"的新工科专业。截至2023年，国内已有654所学校开展相关专业。
培养目标：
掌握大数据相关技术 并具有较好的 数据、数理、编程、大数据的基础知识与技能，且能够运用大数据思维解决实际问题的高级复合型人才。
在学习中，与 数学、统计、计算机 三大领域密不可分。
（至少应该掌握：概率论数理统计、线性代数、高等数学、离散数学、应用数学、统计学、程序设计、软件工程、计算机系统基础及组成原理、计算机网络、计算机操作系统、算法与数据结构、机器学习、深度学习、模式识别、云计算、网络爬虫、数据安全、数据清洗、数据挖掘、数据库系统、数据仓库、数据可视化、分布式并行编程、系统架构设计等，编程语言建议选择Python、Java和R、Scala（尽量都学，如果实在没有时间，建议看下列图））