1.高等數學

這門課是基礎中的基礎。學習了高等數學才能繼續後面的課程。

2.機率論、數理統計

大資料有一個基本的假設就是這些資料是基於某種機率分佈。通俗一點說就是大資料是某種機率模型。

3.最佳化理論

計算某個模型的時候，通常需要達到某個最大值或者最小值。這就十分需要最佳化理論了，包括但不限於線性最佳化、最最佳化、凸最佳化

4.數值分析

有時需要計算某個積分值、微分方程等等

5.近世代數（瞭解一下）

在學習的過程中遇到：xx群、xx環……就到近世代數中去找

6.數論

非常重要，大資料中很多概念來自於數論

7.泛函分析（瞭解一下）

遇到什麼希爾伯特空間啊，這空間那空間什麼的，就看泛函分析

8.矩陣論（重要）

等你開始推模型的時候就會發現，全都是矩陣公式的推導。什麼矩陣的加減乘除、矩陣的微分、矩陣的分解。

如果看矩陣論很吃力那就需要補一下線性代數

9.線性代數

這是基礎中的基礎

大資料帶來的好處或者改變最主要的就是擁有大量的樣本，世界的規律就是統計的規律。所以你的問題可以這樣回答大資料需要的是統計學的知識包括數理統計，機率論，規劃和最佳化問題以及資料探勘的知識

大資料中的數學基礎：

向量、矩陣介紹；向量在遊戲引擎中的應用；矩陣奇異值分解及其應用；導數、梯度介紹；最最佳化方法及其應用……

大資料的研究內容緊緊圍繞資料展開，大資料產業鏈涵蓋了資料的採集、整理、傳輸、儲存、安全、分析和呈現。大資料的核心是資料價值化，資料價值化要透過資料分析來完成，資料分析的核心則是演算法的設計與實現，所以做大資料一個核心的內容就是演算法設計。

但是大資料崗位並不是只有演算法設計一個崗位，還包括資料採集、資料整理、資料呈現等多個崗位，這些崗位對數學的要求並不高，甚至是沒什麼要求。所以，如果數學基礎比較薄弱，那麼可以做非演算法崗位，這些崗位同樣是大資料產業鏈中不可或缺的。

零基礎想轉行學大資料，需要什麼基礎？

https://www.toutiao.com/i6721987593665249803/

大資料中的數學基礎：

一、向量、矩陣介紹

二、向量在遊戲引擎中的應用

三、矩陣奇異值分解及其應用

四、導數、梯度介紹

五、最最佳化方法及其應用

在大資料這一行業，先人一步進入大資料行業，就先人一步掌握大資料技術，在別人糾結猶豫的時候過果斷採取行動學習大資料，進入大資料行業。

大資料開發和大資料分析哪個就業發展好？

https://www.toutiao.com/i6721603326330274315/

如果你要學習大資料分析，那麼需要學習的數學知識很多，而且還需要學習統計學等知識。

大資料開發的話是不需要學習數學的，需要學習程式設計技術及一些演算法！

大資料開發課程大綱給你分享，供你參考