大数据学习：要英语好还是数学好？

越来越多的人加入到大数据的研究中。很多人在学习大数据的时候都会面临这样一个问题——学习大数据到底应该英语好还是数学好？事实上大数据学习：要英语好还是数学好？，这个问题很容易回答。需要英语基础和数学基础，但是涉及的知识量不会太深。接下来小编会讲解为什么需要英语以及数学基础知识。

一、英语

大数据技术框架是基于编程语言开发和运行的。大部分编程语言使用英语，目前主流的编程都是使用英语编写的。

在大数据学习方面英语不需要非常好，但有英语基础会更容易理解大数据技术的基础知识，例如：

这是Java中的语句（Java是一种编程语言）：System.out.println("Hello World");

“System.out.println”翻译成中文就是“系统输出打印”，从中我们可以知道这是一个关于输出和打印文本符号的语句，即使我们不懂编程，但如果我们知道英语，如果你看到一个编程语句，你就会明白这很可能是一个有函数的编程语句。

例如在SQL语句中（SQL语句是关系型数据库的查询语言）：

从网站中选择 *；

在这个语句中，我们可以看到“SELECT”的意思是“选择”； “FROM”的意思是“从，从……地方”； “网站”是指“网站”；该声明可以翻译为“从网站中选择”。该语句的功能是从“网站”表中选择所有记录。即使我们是刚开始学习 SQL 语句集，如果我们有 英语 的基础，不仅会更容易理解这些语法，而且容易记住。这些语法。

学习大数据不需要英语基础，但有英语基础会更容易理解大数据技术的基础知识点。

如果你只是想提高你的电脑英语计算机英语学习，你可以去学电脑英语，不管是在网上还是在书本上，都有关于电脑的学习资料英语 .

二、数学

大数据技术包括数据分析、挖掘、算法和发展方向。如果只往发展方向走，数学基础不会太高；如果要往分析、挖掘和算法方向走，对数学的要求会更高。 .

1、函数、变量、方程、图表

这是从事数据科学职业的重要数学基础。

如果你想知道排序后搜索数百万个项目的数据库有多快，你会遇到二分搜索的概念。要了解它的行为，我们需要了解对数和递归方程；或者在分析时间序列时，我们可能会遇到周期函数和指数衰减的概念。

2、统计和概率

统计和概率的知识点经常应用在大数据分析中。作为一名大数据分析师，了解常见的统计数据将有助于您发展自己的理论，并可以检验这些后来的理论。

3、线性代数

线性代数与大数据技术的发展息息相关。线性代数中的矩阵、秩、向量、正交矩阵、特征值、特征向量等概念在大数据分析和建模中发挥着重要作用。

基于矩阵的各种运算计算机英语学习，例如矩阵分解计算机英语学习，是分析对象和提取特征的方法。由于矩阵代表了某种变换或映射，分解后得到的矩阵代表了对象在新空间中的一些新特征。其中，特征分解和奇异值分解在大数据分析中得到了广泛的应用。

4、微积分

微积分是整个现代数学的基础。有了微积分，就有了真正意义上的现代数学。统计学的概率论部分是基于微积分的。

5、离散数学

现代数据科学是在计算系统的帮助下完成的。离散数学是此类系统的核心，其中的基本数据结构是我们在学习编程时必须学习的。

6、递归关系和方程

在任何社交网络分析中，都需要了解图的性质以及搜索和遍历整个网络的快速算法。在选择任何算法时，都需要了解使用 O(n) 表示的时间和空间复杂度。

7、整数规划

整数规划涵盖约束规划和背包问题。使用最小二乘损失函数的简单线性回归问题通常具有精确的解析解，但逻辑回归问题没有。要理解其中的原因，我们需要了解优化中的凸性概念，这解释了为什么我们必须满足于大多数机器学习问题的“近似”解决方案。

在学习大数据技术的前提下，没有英语和数学基础的关键要求，但如果有英语的基础计算机英语学习，会让人更容易理解大数据技术基础知识；大数据技术发展对数学要求不高，但要掌握一些数学基础，还要掌握一些其他处理大数据技术所需的深入数学知识。

这并不意味着没有英语和数学基础就不能学习大数据技术。您可以在学习大数据技术的同时提高自己的英语和数学基础。