涕零
㈠ 大数据工作都做什么。我对大数据感兴趣，想从事这方面的工作，但是不知道他具体是要做什么。求解~~
大数据其实分为来2类，一个自是开发类的一个是运维类的，以道教育是开发类的，所以学之前需要决定自己学哪个，决定培训学习的话可以索取课程体系进行详细的了解，大数据主要学习java、数据库和大数据本身的一些东西，东西挺多，篇幅有限
㈡ 大数据开发以后是从事什么工作的
大数据开其实包括的具体的岗位有很多包括：大数据开发工程师、大数据架构工程师、大数据运维工程师、数据可视化工程师、数据采集工程师、数据挖掘工程师、机器学习工程师、深度学习工程师、算法工程师等等，都可以算是大数据开发工程师的范畴。从定义上来说，研究和开发大数据采集、清洗、存储及管理、分析及挖掘、展现及应用等有关岗位的从业者，都可以称为大数据开发工程师。
㈢ 大数据运维是什么工作
1、从工作职责的运维和实施来看运维工程师最基本的职责都是负责服务的稳定性，确保服务可以7*24H不间断地为用户提供服务，负责维护并确保整个服务的高可用性，同时不断优化系统架构提升部署效率、优化资源利用率；实施工程师，以软件实施工程师为例，主要负责工程实施： 包括常用操作系统、应用软件及公司所开发的软件安装、调试、维护，还有少部分硬件、网络的工作； 负责现场培训： 现场软件应用培训； 协助项目验收； 负责需求的初步确认；把控项目进度；与客户沟通个性化需求； 负责项目维护。2、从企业招聘的岗位说明来看，大数据运维工程师，主要负责大数据相关系统/平台的维护，确保其稳定性，更多的是对大数据系统的维护；
㈣ 大数据运维是干什么的难学吗费脑子吗
只要你感兴趣，不管难不难，要知道这个是高薪职业，到这可以参观学习的
㈤ 大数据工程师主要做什么
当前大数据平台开发岗位的附加值还是比较高的，大数据平台开发岗位往往集中在大回型互联网企业，随着云计算逐渐答从IaaS向PaaS过渡，大数据平台开发也会基于行业特点来开发针对性比较强的PaaS平台，这是整合行业资源并搭建技术生态的一个关键。搭建PaaS平台不仅需要掌握大数据知识，同时还需要掌握云计算知识，实际上大数据和云计算本身就有比较紧密的联系，二者在技术体系结构上都是以分布式存储和分布式计算为基础，只不过关注点不同而已。大数据运维工程师以搭建大数据平台为主，虽然这部分岗位的门槛相对比较低，但是需要学习的内容还是比较多的，而且内容也比较杂，网络知识、数据库管理知识、操作系统(Linux)知识、大数据平台(含开源和商用平台)知识都需要掌握一些，对于实践操作的要求会比较高。最后，当前大数据工程师往往并不包含专业的数据分析岗位，一般数据分析岗位都会单独列出来，这部分岗位涉及到算法岗、开发岗(实现)和数据呈现岗等，数据分析岗位对于从业者的数学基础要求比较高，同时还需要掌握大量的数据分析工具，当然也离不开Python、Sql等知识。
㈥ 大数据开发工程师是做什么的
大数据开发工程师所涉及的工作内容还是挺多的，比如数据抽取，数据清洗，数据建模，数仓以及各种主题域的数仓建模等，需要熟悉各种数据抽取，etl工具等
㈦ 大数据专业毕业生出来可以做什么工作
1、大数据开发工程师
负责公司大数据平台的开发和维护，负责大数据平台持续集成相关工具平台的架构设计与产品开发等。
2、数据分析师
进行数据搜集、整理、分析，针对数据分析结论给管理销售运营提供指导意义的分析意见。
3、数据挖掘工程师
商业智能，用户体验分析，预测流失用户等；需要过硬的数学和统计学功底以外，对算法的代码实现也有很高的要求。
4、数据库开发
设计，开发和实施基于客户需求的数据库系统，通过理想接口连接数据库和数据库工具，优化数据库系统的性能效率等。
最后，不论是从事大数据开发岗位，还是大数据运维和大数据分析岗位，这些岗位对于从业者的要求也都比较高，尤其要注重动手实践能力的培养，所以大数据专业的学生一方面要尽量丰富自身的知识结构，另一方面还需要注重动手实践能力的培养。
㈧ 大数据/Hadoop平台开发工程师是做什么的
大数据开发是大数据职业发展的方向之一，从工作内容，大数据开发主要负责处理回和大数据应用，偏重建设和答优化系统。
大数据开发其实分两种：
第一类是编写一些Hadoop、Spark的应用程序；
第二类是对大数据处理系统本身进行开发。通常才大公司里才有，一般他们都会搞自己的系统或者再对开源的做些二次开发，对理论和实践要求的都更深一些，更有技术含量。
㈨ 大数据所从事什么工作
大数据有各方面的工作，有需要用到高深的技术的，也有简单的工作，主要你愿回意并且有决心从事大数据相答关工作，不管你先前读什么专业，一定能找到适合你的切入点，进入大数据行业工作。
大数据相关的工作分为几大类：大数据研发、大数据开发、大数据分析、大数据运维。
如果你想从事偏技术型的工作，至少要有开发语言作为支撑，比如Java或python，工作的选择也更宽泛并且都是企业所要求的核心岗位，对以后的发展很有帮助。
㈩ 大数据运维工程师具体做什么
事件管理：目标是在服务出现异常时尽可能快速的恢复服务，从而保障服务的可用性;同时深入分析故障产生的原因，推动并修复服务存在的问题，同时设计并开发相关的预案以确保服务出现故障时可以高效的止损。问题发现：设计并开发高效的监控平台和告警平台，使用机器学习、大数据分析等方法对系统中的大量监控数据进行汇总分析，以期在系统出现异常的时候可以快速的发现问题和判断故障的影响。问题处理：设计并开发高效的问题处理平台和工具，在系统出现异常的时候可以快速/自动决策并触发相关止损预案，快速恢复服务。问题跟踪：通过分析问题发生时系统的各种表现(日志、变更、监控)确定问题发生的根本原因，制定并开发预案工具。变更管理：以可控的方式，尽可能高效的完成产品功能的迭代的变更工作。配置管理：通过配置管理平台(自研、开源)管理服务涉及到的多个模块、多个版本的关系以及配置的准确性。发布管理：通过构建自动化的平台确保每一次版本变更可以安全可控地发布到生产环境。容量管理：在服务运行维护阶段，为了确保服务架构部署的合理性同时掌握服务整体的冗余，需要不断评估系统的承载能力，并不断优化之。容量评估：通过技术手段模拟实际的用户请求，测试整个系统所能承担的最大吞吐;通过建立容量评估模型分析压力测试过程中的数据以评估整个服务的容量。容量优化：基于容量评估数据，判断系统的瓶颈并提供容量优化的解决方案。比如通过调整系统参数、优化服务部署架构等方法来高效的提升系统容量。架构优化：为了支持产品的不断迭代，需要不断的进行架构优化调整。以确保整个产品能够在功能不断丰富和复杂的条件下，同时保持高可用性。