学大数据的电脑配置主要在内存方面，至少8G，上不封顶，一般16G够用。当然这只是学习层面，自己搭虚拟机玩玩。工作中，公司自然会给你分配服务器让你工作。
2. 有哪些方向？
数据开发、数据分析、数据挖掘。其中每个大方向又拆分了几个小方向。
三者的联系是，数据过来之后先进行开发，然后进行分析，最后从数据中挖掘出价值并进行应用。
3. 用Java还是Python？
数据分析和数据挖掘基本使用Python。
数据开发不局限于语言。数据开发大多数Java，少部分Python，也有Scala，具体看公司项目技术栈。因为大部分大数据框架都支持Java接口，而且大部分公司项目技术栈都用Java，所以Java居多。Python更多地使用在脚本或者前期的框架粘合。Scala大多用在Spark框架。
具体可以去招聘网站的JD看，先看自己想去的公司，最后再看自己所在城市的公司。
4. 需要学机器学习吗?
数据挖掘需要机器学习的知识，部分数据分析岗位需要机器学习知识。
数据开发大多数是不需要的，但有些公司的数据开发岗位也要涉及到推荐系统模型等，或者要使用Spark的mlib库等等。初学者不需要特意去学，可等到后期技能拓展或者工作中需要再学。
如果你对大数据开发感兴趣，想系统学习大数据的话，可以戳我加入大数据技术学习交流群，了解课程，获取学习资源
5. 哪个方向好？
都好，兴趣为王！想做算法相关的学数据挖掘，想做开发写代码的就学数据开发，想接触业务层面的可以学数据分析，更多的可以结合自己之前的专业技能、工作经历及之后想从事的工作内容进行考虑。
6. 需要数学知识吗？
数据开发和一般岗位的数据分析师都不需要什么数学知识，除了数据挖掘和部分数据分析进行建模时需要进行统计等操作才需要数学知识。
7. 需要高学历吗？
入门级别的都不用看学历。看学历指数：数据挖掘 >数据分析 >数据开发。数据分析和开发正常本科就够了，数据挖掘大多是本科以上。
8. 薪资高吗？
大环境下，薪资：数据挖掘 >数据开发 >数据分析。同一家公司同一级别的岗位，数据开发正常高于普通开发。
具体看城市、公司以及工作年限。
9. 就业前景和市场需求怎么样？
市场需求怎么样，看培训机构的动作就知道了，今年市场上涌起一大批大数据的培训机构。而且随着企业上云，数字化转型，5G时代的到来，对数据会越来越重视。
无论哪个方向的就业前景都是明朗的，大数据的三大方向后期可以进阶纯技术架构，纯业务管理，技术与业务结合的解决方案架构师，也可以三者之间相互转型。
第一批大数据专业的学生现在大三，至少得再过2，3年，学校的课程才会相对完善，并能批量生产。不过科班的学生都知道，是不是科班只有在简历上写的不一样，上课玩的游戏都一样的。
10. 数据开发和后台开发的区别？
大数据开发相当于后台开发的升级版，要处理的数据量更多，应付的场景更复杂。
软件工程是一门普通高等学校本科专业，属计算机类专业，基本修业年限为四年，授予工学学士学位。毕业后好就业。
就业方向：软件服务外包属于智力人才密集型现代服务业，学生毕业后主要就业去向包括软件外包与服务企业、信息产品与服务企业，担任程序员、软件测试员、项目经理等工作岗位。
人才需求：在现代社会中，软件应用于多个方面。典型的软件比如电子邮件、嵌入式系统、人机界面、办公套件、操作系统、编译器、数据库、游戏等。同时，各个行业几乎都有计算机软件的应用，比如工业、农业、银行、航空、政府部门等。软件工程专业已成为一个热门专业。
总体框架
软件工程专业的知识体系包括通识类知识、学科基础知识、专业知识和实践性教学等。课程体系须支持各项毕业要求的有效达成，进而保证专业培养目标的有效实现。人文社会科学类课程约占15%，数学和自然科学类课程约占15%，实践约占20%，学科基础知识和专业知识课程约占30%。
人文社会科学类教育能够使学生在从事工程设计时考虑经济、环境、法律、伦理等各种制约因素。
数学和自然科学类教育能够使学生掌握理论和实验方法，为学生表述工程问题、选择恰当数学模型、进行分析推理奠定基础。
学科基础类课程包括学科的基础内容，能体现数学和自然科学在该专业中应用能力的培养；专业类课程、实践环节能够体现系统设计和实现能力的培养。
课程体系的设置有企业或行业专家有效参与。
以上内容参考：百度百科-软件工程
