老师推荐： 2024年职称评审易考宝典软件2024年职称评审考试辅导教材2024年职称评审考试易考套餐

(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：了解网络安全评估：掌握各种类型的网络安全服务。

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：掌握TCP/IP协议安全体系。

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、应用安全的技术知识。

4、了解网络安全运维与保障的框架、基本原理等知识，掌握安全管理的技术、设施、工具和方法

(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、定级的原则和方法。

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及云计算安全架构。

4、了解大数据安全与防护保障机制、大数据安全审计、大数据安全评估与安全管理系统

第二部分：专业知识

五、数据库系统(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、掌握关系数据库索引的概念和使用方法。

4、掌握关系数据库查询处理与查询优化方法。

5、掌握关系数据库事务概念和事务调度方法

6、掌握数据库并发控制技术。

7、了解非关系数据库背景、特点和分类。

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掘的联系与区别

4、了解常用数据挖掘工具。

5、了解数据仓库的体系结构，掌握元数据、粒度、分割的概念，了解数据仓库中的数据组织形式

6、了解数据仓库的数据模型，包括概念数据模型、逻辑数据模型、物理数据模型。

7、掌握联机分析处理(OLAP)技术的概念、特征。

8、掌握OLAP中的多维分析操作，包括钻取、切片和切块、旋转。

9、了解多维联机分析处理、关系联机分析处理、MOLAP和ROLAP的差异、混合型联机分析处理：OLAP的衡量标准

10、了解数据预处理的原因、数据预处理的方法

11、掌握数据清洗、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。

12、了解关联规则的概念和分类

七、大数据技术与应用

(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、双层环图、柱状图、堆积柱状图、分组柱状图、正负条形图、雷达图)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

1、掌握云计算的概念、云计算的特征、云计算的三层SPI模型(IaaS、PaaS、SaaS)。

2、掌握虚拟化技术的概念、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.了解有监督学习、无监督学习、强化学习的概念和区别

6、了解数据集市、数据仓库、数据中台、数据平台的概念。

7、掌握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。

8、了解数据存储与管理技术、大数据处理架构Hadoop、分布式文件系统HDFS、NoSQL数据库、分布式数据库HBase的相关概念

9、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)。

10、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

1、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进行大数据分析能力。

九、数据科学

(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、贝叶斯公式，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)、相关系数的概念，并会简单计算

7、了解多元随机变量的概念，掌握多元正态分布。

8、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。

9、了解点估计的概念，了解点估计的无偏性、相合性

10、了解参数的矩估计、最大似然估计。

11、了解线性回归的基本概念。

12、了解方差分析(ANOVA)的基本概念

(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。