最好考研

大資料專業目前是構架在計算機、統計學、數學之上的應用學科不假，但是其本身也有很多值得提升的地方，是大學四年所不能完全cover的，即便是cover到的地方，也不夠精深。

大資料處理，停留在模型應用上是比較初級的，不熟識模型原理是不可能做出高質量成果來的。其實我並不主張在本科開設大資料專業，基礎課程容易面面俱到而不牢固，容易搞成大雜燴。

所以既然在本科學了大資料專業，比較理想的方式是再到研究生以上層面進行專項精深的修煉，選擇一個方向比如影象識別、自然語言理解等等，磨出刀尖來。

資料科學與大資料技術 這個專業名稱，聽起來就有點把採礦、冶煉、機械三合一的感覺。以如下課程設定為例：

C程式設計、資料結構、資料庫原理與應用、計算機作業系統、計算機網路、Java語言程式設計、Python語言程式設計，大資料演算法、人工智慧、應用統計（統計學）、大資料機器學習、資料建模、大資料平臺核心技術、大資料分析與處理,大資料管理、大資料實踐等課程。

感覺像計算機專業加了部分機器學習的感覺，這種組合的合金質量我們不得而知.

目前大資料崗位的高薪，基本也是定位於碩士以上層的。資料處理領域的碼農不是目前急需的大資料金領人才。

最好考研

大資料專業目前是構架在計算機、統計學、數學之上的應用學科不假，但是其本身也有很多值得提升的地方，是大學四年所不能完全cover的，即便是cover到的地方，也不夠精深。

大資料處理，停留在模型應用上是比較初級的，不熟識模型原理是不可能做出高質量成果來的。其實我並不主張在本科開設大資料專業，基礎課程容易面面俱到而不牢固，容易搞成大雜燴。

所以既然在本科學了大資料專業，比較理想的方式是再到研究生以上層面進行專項精深的修煉，選擇一個方向比如影象識別、自然語言理解等等，磨出刀尖來。

資料科學與大資料技術 這個專業名稱，聽起來就有點把採礦、冶煉、機械三合一的感覺。以如下課程設定為例：

C程式設計、資料結構、資料庫原理與應用、計算機作業系統、計算機網路、Java語言程式設計、Python語言程式設計，大資料演算法、人工智慧、應用統計（統計學）、大資料機器學習、資料建模、大資料平臺核心技術、大資料分析與處理,大資料管理、大資料實踐等課程。

感覺像計算機專業加了部分機器學習的感覺，這種組合的合金質量我們不得而知.

目前大資料崗位的高薪，基本也是定位於碩士以上層的。資料處理領域的碼農不是目前急需的大資料金領人才。