数据科学与大数据技术专业考研大纲（数据科学考研大纲）权威解析

数据科学与大数据技术专业考研大纲对数学基础要求极高，核心内容包括线性代数、概率统计、微积分与多元统计分析，占比约25%–30%。

重点能力：矩阵运算（特征值分解、SVD）、概率分布建模（正态、泊松）、假设检验（t检验、卡方检验）、回归分析（线性/逻辑回归）。

• 线性代数应用：主成分分析（PCA）降维、推荐系统中的矩阵补全、图神经网络的邻接矩阵运算；
• 概率统计应用：AB测试显著性判断、贝叶斯网络建模、异常检测中的分布拟合；
• 易错点：协方差矩阵正定性判断、最大似然估计收敛性、多重共线性处理。

易搜职考网建议考生以《线性代数及其应用》（David C. Lay）与《概率论与数理统计》（陈希孺）为纲，结合真题专项训练，强化数学直觉。

编程能力是数据科学的“执行层”，大纲明确要求熟练掌握Python（占比60%）、R（20%）、SQL（20%），重点考查数据结构与算法基础、数据库操作及网络编程能力。

核心考查点：

• Python：NumPy数组操作、Pandas数据清洗、Scikit-learn建模流程、Matplotlib/Seaborn可视化；
• 数据结构：哈希表（字典）、堆栈、图的邻接表实现；
• 数据库：SQL的JOIN操作、索引优化、事务隔离级别；
• 网络基础：HTTP请求流程、RESTful API设计。

真题示例：2023年某985高校真题要求用Pandas实现“用户行为日志的缺失值处理与时间窗口聚合”，考查工程化数据处理能力。

大纲强调分布式计算思维，重点覆盖Hadoop生态（HDFS、MapReduce）、Spark（RDD、DataFrame、Spark SQL）、NoSQL数据库（HBase、MongoDB）及数据管道技术。

实践要求：

• Hadoop：MapReduce单词统计、YARN资源调度原理；
• Spark：宽窄依赖划分、Shuffle优化、Watermark事件时间处理；
• 数据清洗：缺失值插补（KNN/回归）、异常值检测（IQR/DBSCAN）、特征工程（One-Hot/标准化）；
• 数据存储：列式存储（Parquet）优势、分区与分桶策略。

易搜职考网提醒：近年真题中Spark编程题占比达40%，考生需掌握PySpark实战，如使用Spark MLlib构建推荐系统。

机器学习是大纲的核心应用模块，涵盖监督学习（分类/回归）、无监督学习（聚类/降维）、集成学习（Bagging/Boosting）及深度学习基础。

高频算法：

算法类型	代表模型	典型应用场景
监督学习	逻辑回归、SVM、决策树、XGBoost	信用评分、图像分类
无监督学习	K-Means、DBSCAN、PCA	用户分群、异常检测
深度学习	MLP、CNN、RNN	文本分类、时序预测

考查重点：模型原理推导（如SVM对偶问题）、超参数调优（GridSearchCV）、评估指标（AUC/混淆矩阵）、偏差-方差权衡。

易错点：交叉验证的分层抽样、过拟合识别（学习曲线诊断）、特征重要性解释（SHAP值）。

大纲要求掌握数据表达能力，强调“用图说话”的沟通技巧，覆盖静态图表（柱状图、热力图）、交互式可视化（Plotly/Dash）及统计推断。

工具与技能：

• Python：Matplotlib（子图布局）、Seaborn（分布/关系图）、Plotly（动态图表）；
• 统计分析：置信区间计算、相关性检验（Pearson/Spearman）、卡方独立性检验；
• 可视化原则：颜色编码（HCL色轮）、信息密度控制、误导性图表规避。

真题案例：2022年某高校真题要求对“泰坦尼克号生存数据”进行多维可视化分析，考查数据洞察与故事讲述能力。

算法是数据科学的底层逻辑，大纲考查排序、搜索、图算法、动态规划等经典算法的设计与复杂度分析。

核心内容：

• 基础算法：快速排序（分区策略）、二分查找（边界处理）；
• 图算法：Dijkstra最短路径、Kruskal最小生成树、拓扑排序；
• 动态规划：背包问题、最长公共子序列、状态压缩；
• 复杂度分析：时间（Big-O）、空间（辅助空间）、最优性证明。

易搜职考网建议：结合LeetCode热题（如“滑动窗口”“回溯剪枝”）强化实战能力，真题中算法题多以“场景建模→算法选择→复杂度优化”三步式出现。