大数据开发工程师证书考试内容

数据分析师考试科目有这些：

CDA Level Ⅰ

面向范围：人人皆需的职场数据思维与通用数据技能

1. 零基础就业转行者、应届毕业生

2. 产品、运营、营销等业务岗与研发、技术岗在职者

3. 企业创始人、经理人、管理咨询类岗位从业者

岗位去向：商业（业务）分析师、初级数据分析师、（数据）产品运营、（数字）市场营销、数据专员等

CDA Level I 包含以下科目：《职业道德与操守》、《数据库与 SQL 基础》、《统计学（初级）》、《业务数据分析》、《数据可视化》

PART 1 数据分析概述与职业操守（占比3%）

PART 2 数据结构（占比15%）

PART 3 数据库基础（占比17%）

PART 4 描述性统计分析（10%）

PART 5 多维数据透视分析（10%）

PART 6 业务数据分析（30%）

PART 7 业务分析报告与数据可视化报表（15%）

CDA Level II

面向范围：企业数字化发展中必备的数据分析流程与技能。

1. 产品、运营、营销等业务部门与研发、中台、技术类部门数据分析相关岗位在职者。

2. 数字化转型企业创始人与数字化流程中相关负责人。

岗位去向：数据分析师、（数据）产品运营经理、（数字）营销经理、风控建模分析师、量化策略分析师、数据治理（质量）等

CDA Level II 包含以下科目：《数据采集与数据处理》、《统计分析》、《商业策略分析》、《数据治理》

PART 1 数据采集与处理（占比12%）

PART 2 数据模型管理（占比3%）

PART 3 标签体系与用户画像（占比5%）

PART 4 统计分析（占比25%）

PART 5 数据分析模型（占比40%）

PART 6 数字化工作方法（占比15%）

CDA Level III

面向范围:企业数字化发展中必备的高级数据分析方法与技术。

1. 业务岗与技术岗从事数据分析、数据挖掘、机器学习等技术在职提升者。

2. 从事算法科学、深度学习等工作的科研人员、分析师与工程师等。

岗位去向:高级数据分析师、机器学习工程师、算法工程师、数据科学家、首席数据官等

CDA Level III 包含以下科目：《数据挖掘与高级数据处理》、《自然语言处理与文本分析》、《算法应用与实战》

PART 1 数据挖掘概论（占比15%）

PART 2 高级数据处理与特征工程（占比25%）

PART 3 自然语言处理与文本分析（占比20%）

PART 4 机器学习算法（占比40%）

PART 5 机器学习实战（案例操作部分）

数据分析师考试评价目标：cda数据分析师课程理论知识直接应用于项目数据分析和投资决策工作，根据项目决策的需要，对项目各种相关数据进行精算和评估。

想要了解更多关于数据分析师的问题，可以咨询一下CDA认证中心。全球CDA持证者秉承着先进商业数据分析的新理念，遵循着《CDA职业道德和行为准则》新规范，发挥着自身数据专业能力，推动科技创新进步，助力经济持续发展。

【导语】近年来，大数据发展如火如荼，很多人都选择学习大数据专业或者转行大数据，大数据里又包含很多就业岗位，所以在进行岗位选择的时候，还是需要大家合理选择，为了帮助大家更好的进入大数据行业执业，下面就把2021年大数据工程师面试内容给大家进行一下具体介绍。

1、自我介绍

一般上来就是自我介绍，谈下工作经历和项目经验，面试官会根据你的项目经验对你进行技术面试。在自我介绍时，一定要抓住核心说，不要太啰嗦，尽量放大自己的价值，让面试官感受到你对工作的热情，以及以后对公司贡献的能力。

2、数仓开发知识技能

(1)Java是必问的，不过问的不深，把Javase部分吃透，足以应付Java部分的面试。

(2)Hadoop生态，Yarn、Zookeeper、HDFS这些底层原理要懂，面试经常被问。

(3)Mapreduce的shuffle过程这个也是面试被常问的。

(4)Hbase和HIve，搞大数据这些不懂真的说不过去。

(5)Mysql、Oracle和Postgres数据库操作要回，Sql要会写。

(6)linux操作系统，这个简单得命令必须要懂，会写shell脚本更好了。

(7)Kettle或Sqoop这种数据处理工具至少要会一个。8，数据仓库建模、数据模型的问题。

3、技术方面知识技能

(1)SparkSql和SparkStreaming，底层原理、内核、提交任务的过程等等，尽量深入内幕，这个经常会跟MapReduce作比较的。当然也要了解Storm和Flink，Flink这个建议要学会，以后用处会越来越广。

(2)Redis、Kafka、ElasticSearch这些都得懂原理，深入了解，会使用，会操作，会调优。

(3)impala和kylin这些尽量也要了解会用

(4)Python这个要是有能力，有精力，建议也要往深处学习，我目前正在自学中。

(5)集群的问题，包括一些简单的运维知识。

(6)大数据数据倾斜的问题，包括Spark JVM内存调优问题等等。

关于2021年大数据工程师面试内容，就给大家介绍到这里了，希望对大家能有所帮助，当然进入大数据行业，还需要大家在平时不断进行技能提升，这样才能更好的拥有一席之地。

1、专业人员分析认证-INFORMS

CAP认证是一个严格的通用分析认证。它证明了对分析过程的端到端理解，从构建业务和分析问题到获取数据，方法，模型构建，部署和模型生命周期管理。它需要完成CAP考试(这个考试可以在100多个国家的700多个计算机的测试中心进行)和遵守CAP的道德规范。

2、数据科学专业成就认证-Columbia University

这个数据科学认证是由TheFU基金会工程与应用科学学院和哥伦比亚大学艺术与科学研究生院联合提供的。该计划包括四个课程：数据科学算法(CS/IEOR)，概率与统计(STATS)，机器学习数据科学(CS)和探索性数据分析和可视化(STATS)。

3、工程方面分析和优化(CPEE)证书–INSOFE

这个密集的18周课程，其中包括10个课程(讲座和实验室)为学习者分析的各个方面，包括使用大数据使用Hadoop。它专注于R和Hadoop技能，以及统计建模，数据分析，机器学习，文本挖掘和优化技能。学习者将在一个真实世界的顶点项目中实施一系列的测试评估。

4、挖掘大规模数据集研究生证书-Stanford University

为软件工程师，统计学家，预测建模师，市场研究人员，分析专业人员，以及数据挖掘者设计，此认证需要四个课程，并演示掌握高效和强大的技术和算法，从大型数据集，如Web，社交，网络图和大型文档存储库等。这个证书通常需要一到两年的时间才能获得。

5、分析证书：优化大数据-University of Delaware

主要面向商业，营销和运营经理，数据分析师和专业人士，金融业专业人士和小企业主本科课程。该计划汇集了统计，分析，书面和口头沟通技巧。它向学习者介绍了分析大数据集所需的工具，涵盖了将数据导入分析软件包，探索性图形和数据分析，构建分析模型，找到最佳模型以解释变量之间的相关性等主题。

6、EMC数据科学家助理(EMCDSA))-EMC

EMCDSA认证表明个人作为数据科学团队成员参与和贡献大数据项目的能力。它的内容：部署数据分析生命周期，将业务挑战重构为分析挑战，应用分析技术和工具来分析大数据并创建统计模型，选择适当的数据可视化等。