大数据职称考试知识大纲（数据分析与应用-初级）2021年版

《大数据职称考试知识大纲（数据分析与应用-初级）2021年版》由会员分享，可在线阅读，更多相关《大数据职称考试知识大纲（数据分析与应用-初级）2021年版（10页珍藏版）》请在金锄头文库上搜索。

1、 大数据职称考试知识大纲大数据职称考试知识大纲 数据分析与应用数据分析与应用- -初级初级 20212021 年版年版 目目 录录 一、大数据法律法规、相关标准及职业道德一、大数据法律法规、相关标准及职业道德 . 3 3 二、计算机基础知识二、计算机基础知识 . 3 3 三、信息化基础知识三、信息化基础知识 . 5 5 四、大数据安全四、大数据安全 . 6 6 五、数据库系统五、数据库系统(SQL + NoSQL)(SQL + NoSQL) . 7 7 六、数据仓库六、数据仓库 . 7 7 七、大数据技术与应用七、大数据技术与应用 . 8 8 八、大数据分析模型八、大数据分析模型 . 8 8

2、九、数据科学九、数据科学 . 8 8 第一部分第一部分 基础知识模块基础知识模块 一、大数据法律法规、相关标准及职业道德一、大数据法律法规、相关标准及职业道德 （一）法律法规（一）法律法规 1、 中华人民共和国民法典中华人民共和国主席令第四十五号 （1）了解隐私权和个人信息保护有关内容。 2、 中华人民共和国数据安全法中华人民共和国主席令第八十四号 （1）了解数据安全制度、数据安全保护义务、政务数据安全与开放等相关内容。 3、 中华人民共和国网络安全法中华人民共和国主席令第五十三号 （1）了解数据分类、重要数据备份和加密等措施。 4、 中华人民共和国电子签名法（2019 版） 中华人民共和国主

3、席令第二十九号 （1）了解电子签名、数据电文基本概念。 5、 中华人民共和国密码法中华人民共和国主席令第三十五号 （1）了解核心密码、普通密码、商用密码之间的区别。 （二）相关标准（二）相关标准 1、GB/T 35295-2017 信息技术 大数据 术语 （1）了解本标准的范围、术语和定义，以及密切相关的通用术语。 2、GB/T 35589-2017 信息技术 大数据 技术参考模型 （1）了解本标准的范围、术语和定义，了解大数据参考架构的目的、目标，了解大数据参考架构及其各组成部分。 3、GB/T 37973-2019 信息安全技术 大数据安全管理指南 （1）了解本标准的范围、术语和定义，了解

4、大数据安全需求、大数据分类分级、大数据活动及安全要求、大数据安全风险评估等方面的内容。 （三）职业道德（三）职业道德 掌握专业技术人员职业道德的基本要求 二、计算机基础知识二、计算机基础知识 （一）面向对象技术（一）面向对象技术 1、了解面向对象的发展历史，为什么引入面向对象 2、掌握面向对象编程与非面向对象编程的优缺点 3、掌握抽象的 5 个层次，抽象形式 4、了解类和方法 5、了解消息、实例和初始化 （二）数据结构与算法（二）数据结构与算法 1、掌握程序性能分析的概念和方法，包括时间复杂性与空间复杂性分析。 2、掌握线性表的概念，掌握堆栈、队列、跳表和散列的描述方法与应用。 3、了解树的描

5、述方法与应用。 4、了解图的描述方法与应用。 （三）操作系统（三）操作系统 1、掌握操作系统的概念和操作系统结构。 2、掌握操作系统的进程管理，包括进程概念、进程调度、同步及死锁处理。 3、了解内存管理，包括内存管理策略和虚拟内存管理。 4、了解存储管理，包括文件系统、文件系统实现、大容量存储结构和 I/O系统。 5、了解系统保护与安全。 （四）计算机网络（四）计算机网络 1、了解计算机网络在信息时代的核心作用以及计算机网络的发展历史；理解计算机网络的分类，网络标准化，网络参考模型，网络体系结构。 2、掌握物理层的基本概念，理解信道极限容量的概念以及信道最大传输速率的公式，模拟传输和数字化传输

6、的物理层标准。 3、掌握数据链路层的基本概念，理解停等协议和连续 ARQ 协议，滑动窗口协议，检错和纠错机制。 4、掌握介质访问控制子层的基本概念，理解动态多路访问控制协议，以太网，无线局域网，数据链路层的交换技术。 5、了解网络层的基本概念，了解路由协议，拥塞控制算法，服务质量，网络互连，IP 协议，子网掩码。 6、了解传输层的基本概念，了解传输层路由协议，TCP，UDP，拥塞控制算法。 7、了解应用层的基本概念，了解 DNS，邮件系统，www，流音频与视频。 三、信息化基础知识三、信息化基础知识 （一）电子政务（一）电子政务 1、电子政务的概念、内容和技术形式 （1）了解电子政务的概念 （

7、2）了解电子政务的内容 （3）了解电子政务的技术形式 2、中国政府信息化的策略和历程 3、电子政务应用模式 （1）了解政府对政府（G2G）模式 （2）了解政府对企业（G2B）模式 （3）了解政府对公众（G2C）模式 （4）了解政府对公务员（G2E）模式 （二）电子商务（二）电子商务 1、电子商务的概念及基本特征 （1）了解电子商务的概念 （2）了解电子商务的基本特征 2、电子商务的类型 （1）了解企业与企业之间的电子商务（B2B）模式。 （2）了解商业企业与消费者之间的电子商务（B2C）模式。 （3）了解消费者与消费者之间的电子商务（C2C）模式。 （4）了解电子商务与线下实体店有机结合向消费

8、者提供商品和服务（O2O）模式。 （三）新一代信息技术（三）新一代信息技术 1、物联网 （1）了解物联网的概念 （2）了解物联网架构 （3）了解物联网技术的应用 2、云计算 （1）了解云计算的概念 （2）了解云计算的架构及关键技术 （3）了解云计算服务的类型 （4）了解发展云计算的主要任务 3、移动互联网 （1）了解移动互联网的概念 （2）了解移动互联网的特点 （3）了解移动互联网技术的应用 4、人工智能 （1）了解人工智能的概念 （2）了解人工智能研究范畴 （3）了解人工智能实际应用 5、区块链 （1）了解区块链的概念 （2）了解区块链的系统架构 （3）了解区块链的分类 （4）了解区块链的应

9、用 6、量子技术 （1）了解量子技术的概念 （2）了解量子技术的特点 （3）了解量子技术的应用 四、大数据安全四、大数据安全 （一）网络安全（一）网络安全 1、熟悉网络安全的一些基本概念、基本属性及网络安全模型等。 2、了解网络安全体系的安全服务、安全机制、安全服务配置和安全管理等。 3、熟悉各种网络安全技术的概念，了解物理安全、网络安全设备、系统安全、应用安全的基本知识。 4、了解网络安全运维与保障的框架、基本原理等知识。 （二）数据安全（二）数据安全 1、了解大数据安全管理及安全需求的原则，掌握数据安全分类、定级的原则。 2、了解数据采集、存储、处理、分发、删除等活动的概念，了解相关安全技

10、术与安全要求。 3、熟悉云存储安全体系、数据生命周期中的安全风险、保障云存储安全的原则及云计算边界安全相关的概念。 4、了解大数据安全与防护保障机制。 第二部分：专业知识第二部分：专业知识 五、数据库系统五、数据库系统(SQL + NoSQL)(SQL + NoSQL) 1、掌握关系模型概念和 SQL 语言。 2、掌握关系数据库设计方法。 3、了解关系数据库事务概念和事务调度方法。 4、了解数据库并发控制技术。 5、了解非关系数据库背景、特点和分类。 六、数据仓库六、数据仓库 1、了解数据挖掘的定义、功能、常用方法。 2、了解数据仓库的产生与发展，掌握数据仓库的定义。 3、了解数据仓库与数据挖

11、掘的联系与区别。 4、了解常用数据挖掘工具。 5、了解联机分析处理技术（OLAP）的概念、特征。 6、了解 OLAP 中的多维分析操作，包括钻取、切片和切块、旋转。 7、了解数据预处理的原因、数据预处理的方法。 8、了解数据清洗、数据集成和变换、数据归约的概念与方法，具有应用上述方法进行数据清洗的能力。 七、大数据技术与应用七、大数据技术与应用 （一）数据可视化（一）数据可视化 1、了解常见可视化图形（散点图、折线图、饼图、环图、柱状图）的概念，具有初步的可视化图形展示数据的能力。 （二）大数据处理技术（二）大数据处理技术 1、 掌握云计算的概念、 云计算的特征、 云计算的三层 SPI 模型

12、（IaaS、 PaaS、SaaS） 。 2、了解虚拟化技术的概念、常用虚拟化方法，了解常用虚拟化软件。 3、具有应用虚拟化技术搭建虚拟化平台的能力。 4、了解分布式计算、高性能计算、边缘计算的概念。 5、了解数据集市、数据仓库、数据中台、数据平台的概念。 6、了解数据采集与预处理过程，掌握数据采集、数据清洗、数据转换、数据脱敏的方法。 7、了解大数据处理环节的主要思想：大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘、大数据展现和应用（包括大数据检索、大数据可视化、大数据应用、大数据安全等） 。 8、了解大数据处理与分析的代表性流行产品。 八、大数据分析模型八、大数据分析模型 1、

13、了解常用的大数据分析模型，例如行为事件分析模型、点击分析模型、用户行为路径分析模型、用户分群分析模型等，具有应用大数据技术参与大数据分析的能力。 九、数据科学九、数据科学 （一）概率统计与统计推断（一）概率统计与统计推断 1、掌握概率、条件概率的概念，并会计算简单的概率、条件概率。 2、理解随机事件的独立性和随机变量的独立性。 3、掌握乘法公式、全概率公式，并会简单应用。 4、掌握随机变量分布函数的概念，掌握连续型随机变量的密度函数和离散型随机变量的分布列。 5、掌握常见分布（两点分布、二项分布、泊松分布、均匀分布、正态分布、指数分布）及其简单性质。 6、理解数学期望、方差（标准差） 、相关系

14、数的概念，并会简单计算。 7、理解统计量的概念，理解样本均值、样本方差（标准差）的概念，并会简单计算。 8、了解点估计的概念。 9、了解线性回归的基本概念。 （二）统计学习与数据挖掘（二）统计学习与数据挖掘 1、掌握感知机的定义和基本原理。 2、掌握 Logistic 回归算法原理与特点，能够使用 Logistic 回归进行数据的分类建模与参数解释。 3、掌握朴素贝叶斯算法的定义与基本原理。 4、掌握 k 近邻算法算法定义与原理。 5、掌握支持向量机（SVM）算法的思想与原理。 6、掌握决策树的算法的定义与原理，了解决策树的剪枝理论。 7、了解常见集成方法如 boosting、bagging

15、等。 8、掌握聚类分析的相关概念。 9、掌握主成分分析的原理。 10、了解生成式半监督学习方法、半监督 SVM、图半监督学习方法的思想与原理。 （三）（三）深度学习与强化学习深度学习与强化学习 1、掌握全连接网络（MLP）的定义与算法原理、并能够应用。 2、掌握卷积神经网络（CNN）基本概念，了解几种经典的卷积神经网络，如AlexNet、VGG、GoogLeNet、ResNet。 3、掌握循环神经网络（RNN）原理与基本概念，了解几种常见的模型，如长短期记忆网络 LSTM、GRU。 4、掌握生成对抗网络（GAN、WGAN）的基本定义与原理，能够完成基本应用 5、掌握马尔可夫决策过程的定义，了解其算法应用范围，并能够实际应用 6、掌握经典强化学习算法（Q-learning、SARMA）的定义与原理。 7、掌握经典深度强化学习算法（DQN、DDPG、A3C、TRPO、PPO）的定义与原理，了解其算法特性。