大数据讲座学习心得

大数据讲座学习心得 大数据讲座学习心得 大数据讲座学习心得 大数据时代已经悄然到来，如何应对大数据时代带来的挑战与机遇，是我们当代大学生特别是我们计算机类专业的大学生的一个必须面对的严峻课题。大数据时代是我们的一个黄金时代，对我们的意义可以说就像是另一个“80年代”。 在讲座中秦永彬博士由一个电视剧《大太监》中情节来深入浅出的简单介绍了“大数据”的基本概念，并由“塔吉特”与“犯罪预测”两个案例让我们深切的体会到了“大数据”的对现今这样一个信息时代的不可替代的巨大作用。 在前几年本世纪初的时候，世界都称本世纪为“信息世纪”。确实在计算机技术与互联网技术的飞速发展过后，我们面临了一个每天都可以“信息爆炸”的时代。打开电视，打开电脑，甚至是在街上打开手机、PDA、平板电脑等等，你都可以接收到来自互联网从世界各地上传的各类信息:数据、视频、图片、音频„„这样各类大量的数据累积之后达到了引起量变的临界值，数据本身有潜在的价值，但价值比较分散;数据高速产生，需高速处理。大数据意味着包括交易和交互数据集在内的所有数据集，其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、管理及处理这些数据集的能力。遂有了“大数据”技术的应运而生。 现在，当数据的积累量足够大的时候到来时，量变引起了质变。 “大数据”通过对海量数据有针对性的分析，赋予了互联网“智商”，这使得互联网的作用，从简单的数据交流和信息传递，上升到基于海量数据的分析，一句话“他开始思考了”。简言之，大数据就是将碎片化的海量数据在一定的时间内完成筛选、分析，并整理成为有用的资讯，帮助用户完成决策。借助大数据企业的决策者可以迅速感知市场需求变化，从而促使他们作出对企业更有利的决策，使得这些企业拥有更强的创新力和竞争力。这是继云计算、物联网之后IT产业又一次颠覆性的技术变革，对国家治理模式、对企业的决策、组织和业务流程、对个人生活方式都将产生巨大的影响。后工业社会时代，随着新兴技术的发展与互联网底层技术的革新，数据正在呈指数级增长，所有数据的产生形式，都是数字化。如何收集、管理和分析海量数据对于企业从事的一切商业活动都显得尤为重要。 大数据时代是信息化社会发展必然趋势，我们只有紧紧跟随时代发展的潮流，在技术上、上、价值观念上做出迅速调整并牢牢跟进，才能在接下来新一轮的竞争中摆脱受制于人的弱势境地，才能把握发展的方向。 首先，“大数据”究竟是什么,它有什么用,这是当下每个人初接触“大数据”都会有的疑问，而这些疑问在秦博士的讲座中我们都了解到了。“大数据”的“大”不仅是单单纯纯指数量上的“大”，而是在诸多方面上阐释了“大”的含义，是体现在数据信息是海量信息，且在动态变化和不断增长之上。同时“大数据” 在:速度(Velocity)、多样性(Variety)、价值密度(Value)、体量(Volume)这四方面(4v)都有体现。其实“大数据”归根结底还是数据，其是一种泛化的数据描述形式，有别于以往对于数据信息的表达，大数据更多地倾向于表达网络用户信息、新闻信息、银行数据信息、社交媒体上的数据信息、购物网站上的用户数据信息、规模超过TB级的数据信息等。 了解了“大数据”的“大”之后我们也该了解它所具有的巨大价值。就目前来说“大数据”的来源主要还是互联网，来自互联网上的大多数不被重视信息都是具有巨大开发价值的， 其具有巨“大”的商业价值，我们所缺少的只是一些数据分析等手段。例如:在如今，网购已经成为了一种风潮，网上也涌现了以淘宝、京东、亚马逊等一系列的购物网站。而在这些网站之中，顾客的浏览记录，购买记录等等都是一些巨大商业价值的信息。借鉴“塔吉特”的先例，我们可以利用“大数据”技术收集分析，就可预测需求、供给和顾客习惯等，做到精准采购、精准投放，达到利益放大的效果。 从全球范围来看，很多人都把2012年看做是大数据时代的元年。在这一年里，很多行业在大数据方面的管理、规划和应用已经觉醒。电商、金融、电信等行业数据有着长期的数据积累。事实上，很多互联网公司，例如亚马逊、Google、腾讯，更愿意将自己定位为数据企业。因为信息时代，数据成为经营决策的强有力依据，给企业带来了发展和引领行业的机遇。银行也同样拥有丰富的数据矿藏，不仅存储处理了大量结构化的 账务数据，而且随着银行渠道快速渗透到社交网络、移动端等媒介，海量的非结构化数据也在等待被收集和分析。未来的金融业将更多地受到科技创新力的驱动，也越来越倾向于零售营销:对于金融业来说，大数据意味着巨大的商机，可强化客户体验，提高客户忠诚度。大数据技术的发展带来企业经营决策模式的转变，驱动着行业变革，衍生出新的商机和发展契机。驾驭大数据的能力已被证实为领军企业的核心竞争力，这种能力能够帮助企业打破数据边界，绘制企业运营全景视图，做出最优的商业决策和发展战略。金融行业在大数据浪潮中，要以大数据平台建设为基础，夯实大数据的收集、存储、处理能力;重点推进大数据人才的梯队建设，打造专业、高效、灵活的大数据分析团队;不断提升企业智商，挖掘海量数据的商业价值，从而在数据新浪潮的变革中拔得头筹，赢得先机 在如此快速的到来的大数据革命时代，我们还有很多知识需要学习，许多思维需要转变，许多技术需要研究。职业规划中，也需充分考虑到大数据对于自身职业的未来发展所带来的机遇和挑战。当我们掌握大量数据，需要考虑有多少数字化的数据，又有哪些可以通过大数据的分析处理而带来有价值的用途,在大数据时代制胜的良药也许是创新的点子，也许可以利用外部的数据，通过多维化、多层面的分析给我们日后创业带来价值。借力，顺势，合作共赢。把自己的心门打开，像海绵般吸取积极、正能量的东西。 篇二:新技术讲座体会-大数据 新技术讲座体会 大数据时代微创新对于企业发展的重要性 事实上从2009年开始，大数据这个概念就是街头巷尾热议的时尚名词，2013年这一概念依然是炙手可热的话题，有关大数据的信息更是不胜枚举。从物联网到云计算再到现今的大数据，互联网时代形成的新的商业模式、经济形态等使人们的生活方式发生了变化，也给企业的发展带来了巨大的挑战。 所谓的“大数据”有两个方面的内涵——海量和非结构化，其特性被归纳为4个V，即Volume，Variety，Value，Velocity，分别对应:数据体量巨大;数据类型繁多;数据本身有潜在的价值，但价值比较分散;数据高速产生，需高速处理。大数据意味着包括交易和交互数据集在内的所有数据集，其规模或复杂程度超出了常用技术按照合理的成本和时限捕捉、管理及处理这些数据集的能力。 简言之，大数据就是将碎片化的海量数据在一定的时间内完成筛选、分析，并整理成为有用的资讯，帮助用户完成决策。借助大数据企业的决策者可以迅速感知市场需求变化，从而促使他们作出对企业更有利的决策，使得这些企业拥有更强的创新力和竞争力。 后工业社会时代，随着新兴技术的发展与互联网底层技术的革新，数据正在呈指数级增长，所有数据的产生形式，都是数字化。如何收集、管理和分析海量数据对于企业从事的一切商业活动都 显得尤为重要。 不论是传统的石油行业还是传统银行业亦或是零售业，都意识到数据的重要性。传统的石油巨头们在寻求信息化的转型，很多巨头每年在信息化建设中投入的比例往往占到公司盈利比例的1%-3%不等。据媒体报道，埃克森美孚曾在此前一次全球性招标中，一次性投入10亿美元来采购信息化服务。传统的商业银行也努力和互联网“合作共赢”，并进行模式创新，如推出POS网络商户贷款业务。民生银行正致力筹建电子商务银行。全球最大零售商沃尔玛也在其社交基因组计划中整合了用户在社交网络中的关系数据，用以更精准地推测消费者的偏好。 而小企业在大数据时代同样有机会。正如电子科技大学互联网科学中心主任周涛此前接受记者采访时所说的，大数据具备了工业革命最重要的因素，新能源是计算，新是数据，更聪明的头脑是先进的工业技术。要用聪明的头脑从数据中分析出更大的价值。 面对大数据，小企业要找到提供差异化服务的点，收集大量的数据信息，从 数据中找到新的价值并衍生出其他营利方式。例如，一家专门提供包车和租车服务商旅运输公司，正常情况下是竞争不过传统出租车的，但如果通过获取在线叫车服务的乘客、司机的双向数据，如此可以针对不同客户的需求提供个性化的服务以此来实现超越。 未来10年是大数据时代 从全球范围来看，很多人都把2012年看做是大数据时代的元年。在这一年里，很多行业在大数据方面的管理、规划和应用已经觉醒。电商、金融、电信等行业数据有着长期的数据积累。我认为做好大数据业务驱动是关键，要具备以下几个条件:第一、数据的管理，尤其是非结构化大数据的管理;第二，大数据的加工和被消费;第三，高效、面向业务的数据挖掘算法。 事实上，很多互联网公司，例如亚马逊、Google、腾讯，更愿意将自己定位为数据企业。因为信息时代，数据成为经营决策的强有力依据，给企业带来了发展和引领行业的机遇。银行也同样拥有丰富的数据矿藏，不仅存储处理了大量结构化的账务数据，而且随着银行渠道快速渗透到社交网络、移动端等媒介，海量的非结构化数据也在等待被收集和分析。未来的金融业将更多地受到科技创新力的驱动，也越来越倾向于零售营销:对于金融业来说，大数据意味着巨大的商机，可强化客户体验，提高客户忠诚度。形象地说，数据的收集能力加上数据的分析能力等于企业智商，这关乎商业决策的速度和准确性，关乎企业的生存和发展。 大数据技术的发展带来企业经营决策模式的转变，驱动着行业变革，衍生出新的商机和发展契机。驾驭大数据的能力已被证实为领军企业的核心竞争力，这种能力能够帮助企业打破数据边界，绘制企业运营全景视图，做出最优的商业决策和发展战略。金融行业在大数据浪潮中，要以大数据平台建设为基础，夯实大数据 的收集、存储、处理能力;重点推进大数据人才的梯队建设，打造专业、高效、灵活的大数据分析团队;不断提升企业智商，挖掘海量数据的商业价值，从而在数据新浪潮的变革中拔得头筹，赢得先机。事实上，如何把大数据带来的大生意抓住，是金融行业不能停止思考的问题。 毫无疑问，未来10年是大数据的10年。 大数据时代给企业带来挑战，数据驱动业务是关键 当数以亿计的数据可以在虚拟的空间中自由穿梭时，当各种数据的获取变得瞬间即达时，大数据对政府、对企业、乃至对个人，都产生了深远的影响。对于大多数企业来说，大数据是既是机遇也是挑战。一方面，“得数据者得天下”，通过对大量的数据进行科学的分类整理以及分析，能够为企业的外部营销、内部运营和领导层决策等提供强大的数据支撑，不断提升企业运营效率，提升企业管理水平。可以说，利用互联网与物联网等带来的海量数据，通过挖掘、分析与业务应用，企业可以在激烈的市场竞争中赢得优势。另外一个方面，海量的数据也给企业进行数据挖掘、分析带来巨大的挑战。如何从纷繁复杂的数据中挖掘出有利于企业发展的信息，并利用好这些信息指导企业运营，对于一个企业来说显得至关重要。“用数据说话”，如何让数据产生真正的价值成为了摆在企业管理者面前不得不跨越的鸿沟。 选用一体化及端到端业务系统，应对数据分析难的问题 “大数据”话题的日趋白热化以及对企业管理带来的深远影响， 让许多企业管理者更加关注数据带来的业务价值，纷纷想要通过数据分析工具来挖掘数据价值，从而更好地指导企业的发展。然而，在数据挖掘、分析的过程中，一些弊端渐渐流露出来，海量的数据分析起来要耗费非常大的精力，还常常出现错误，得不到想要的分析结果。 先进BI技术+一体化，数据分析又快又准 BI(商业智能)系统是CIO十分欢迎的系统，因为它可以让企业CEO亲自体验到信息化的价值所在，移动BI的逐渐普及也加快了CEO们应用商业智能系统的速度。众所周知，BI的源头是数据，BI的对象也是数据。根据IDC的预测，从2009年到2020年，数据总量将增长44倍，达到35ZB。其中，80%的数据都是非结构化数据。毫无疑问，随着大数据时代的来临，海量数据给BI带来了前所未有的压力。如何有效地利用大数据，以及其中所沉淀的信息，成为未来的一大竞争焦点。 嵌入先进BI技术，数据挖掘一步到位。面对瞬息万变的市场环境，企业必须对海量的数据进行快速的分析，以最快的速度为企业管理者提供有价值的信息，这对数据分析速度有严格的要求。商业智能技术为企业提供快捷数据仓库，与传统数据仓库包含数据库系统开发、数据清理、数据集成及数据挖掘的整个过程不同，该数据仓库简化数据挖掘的步骤，数据挖掘一步到位，不仅最小化数据集成的需要，还提供行业特定的预先集成解决，提高数据分析效率，帮助企业更好地应对大数据“大”的挑战。 数据集成是重中之重 大数据时代已经来临，随着IT应用的发展，企业积累的数据越来越多。而随着社交网络、移动计算和传感器等新渠道和新技术的不断涌现，生产了大量的新型数据，各种各样的数据散落在不同的系统中。各数据之间有哪些关联性,哪个数据是可信的,如何从海量的数据中挖掘出有价值的、易用的客户信息,要回答这些问题，企业需要一个单一、完整、可信的客户数据视图。而创建一个单一、完整、可信的客户数据视图，数据集成是关键。没有集成的数据，其商业价值为零。 大数据时代带来的海量数据需要先进的信息化手段进行分析，这让企业的IT管理面临更加严峻的局势。基于一体化及端到端管理，借助先进的商业智能技术，提升数据分析的准确率及速度，让大数据分析变得又快又准，且易用，帮助企业更好地实现商业价值。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来，从而获得在其他情况下无法达成的洞察力和价值。比如，可以通过社交媒体了解客户的喜恶，以此充实客户来提高目标行销效率。 企业搜索提升决策质量 大数据时代信息规模快速增长，更快获取有用的信息是关键，企业搜索会变得越来越重要，其可以凌驾于多个管理系统、数据库之上，其中包括BI系统，也就是说BI只是企业搜索的数据来源之一。 企业搜索平台能够提升决策质量，降低IT成本。BI信息只 是给决策者一个结论，而企业搜索可以顺着这个结论回溯，找到信息的来源及过程,所有信息通过企业搜索平台组合在一起。而且，企业搜索平台能够提供覆盖多个系统的全视角信息视图，实现实时运行和分析。 用户使用BI时，往往将BI产品集成在多种不同的解决方案中，其中包括CRM、ERP、金融服务乃至医疗等应用。BI提供商会从不同来源了解相关信息，从而充分满足用户的需求，具体包括文档、内外部网站、案例管理系统等等。但分别搜索上述信息来源对BI提供商提出了巨大挑战，这就需要用到企业搜索平台。 内存计算加快分析速度 在大数据时代，数据是以不同状态存储的。有的数据是结构化的，有的是非结构化的，有的是在社交媒体等媒体平台呈现的，有的存在数据仓库、数据集市中，调用这些数据需要占用大量时间。而为了快速响应不断变化的市场，业务用户又需要快速获得有用的信息并进行分析。对于这些挑战，我们认为内存计算可以解决这些难题。 应用内存计算形成的高性能分析工具支持企业根据不断变化的大量信息来分析业务运营情况。企业可以从数据源实时、快速地浏览和分析所有的交易数据和分析数据。发生业务时，运营数据将保存在内存中，若要做整个企业的扩展分析，可以将外部数据添加到分析模型中。这种分析工具可以理解为一个内存式的数据仓库，储存数据的方式是以列的方式，这样就可以节省很多空间。下一步我们希望能够把交易系统和分析系统都结合到工具上，从而避免分层处理过程，这 样运行速度会更快、占用空间会更少。 用大数据改变管理 一旦有效利用大数据，传统的商业模式和管理时间也会被颠覆。一般认为优秀的企业高管们大多信任自己的直觉，依靠“黄金般的直觉”做出商业决策和管理决策。然而，随着管理决策越来越受预测性分析和大数据的影响和控制，由直觉做决定的方式将会被彻底改变。麻省理工学院商学院教授里克?布伦乔尔森和他的同事一起进行了一项研究，发现决策依赖数据的公司的运营情况比不重视数据的公司要出色得多，这些公司的生产力比不使用数据进行决策的公司高出6%～ 再次把目光转回金融。事实上，金融同业们也早已窥视到了大数据中的商机。对金融而言，以指数级膨胀的数据既是“甜蜜的负担”，又是“无价的宝藏”。 企业大数据面临的顶级挑战 一般企业的大数据项目得到公司管理层批准，只是企业重视大数据价值方面的一个良好开头。数据专家表示，接下来企业需要面对的四个在大数据管理方面的挑战才是重头戏，并且要着手处理。 最近IDC在悉尼举办的亚太业务分析会议上，NICTA领域高级研究员Dr Rami Mukhtar分享了他关于大数据访问管理面临挑战的四个主要观点。 1. 提取大数据价值:大数据真正的价值应该是，当你试图解决非常精准的 业务问题，涉及到相应的数据时，分析其中的数据价值才是发 挥其应有的价值。 2. 业务数据映射:特定业务解决方案能够帮助企业更好的预测未来业务的 发展方向，如果企业不能将业务流程与数据资产更好的匹配在一起，那么即使是大数据，也很难解决企业业务面临的问题。 3. 大数据分析:如何从公司业务数据 中提取准确无误的关键信息，比如 客户的购买习惯,已经有的大数据解决方案只是一套平面的文件，为了克服这个问题，建议企业使用便于科学提取关键数据的目录管理方式来管理企业数据资产。 4. 大数据隐私:大数据在隐私方面是一个重大挑战，因为如果没有一个清 晰的访问控制规则，数据分析师和数据专家在访问公司数据资产时，不可避免的会违反公司的数据隐私政策。 HDS公布一项研究结果显示，近半数接受调查的亚太地区企业认为采用大数据将实现25%或者更高的业绩增长，HDS更是预测被调查的500多家企业的集体收益将达到2500亿美元。不过，超过一半的企业在其大数据利用战略方面进展甚微，甚至止步不前。 应采用全新的方法，将数据视为“资本资产”，并制定全面的大数据发展战略，以便为企业提供洞察和有价值的信息。这样，企业才能利用信息，不断驱动创新，并创造增量收益。 EIU对亚太地区500多名企业高管进行了调查，调查结果显示，迄今为止， 亚太地区的各个企业在实施大数据发展战略方面取得的成功并不多。仅有1/3的企业表示在此方面取得了良好的进展，超过一半的企业则表示进展不大。大约80%的一线员工认为改善数据的获取状况至关重要，但仅有19%的员工表示他们总是能够获取到所需要的数据。 尽管企业在此方面的进展不大，但受访者普遍认为大数据能够帮助企业改善绩效:70%以上的受访者认为大数据可以推动企业生产力、增加企业受益以及推动企业创新。 篇三:讲座心得体会报告 学术讲座报告 学号: 姓名: 报告题目: 指导教师: 所属学院: 桂林电子科技大学研究生院 年 月 日 学术讲座，它是研究生的一种学习途径。利用课外学习时间，学校和学院给我们安排了一系列学术讲座，在我看来，旨在丰富研究生学期生活，积累专业知识，拓宽视野。这些讲座与我们专业知识紧密相关，但是却不单一，涉及不同课题观摩聆听名师讲座， 名师神采飞扬， 听者亦有心得。一千个读者的心中有一千个哈姆 雷特。而面对着鲜活的教学对象，智慧的教师必然没有相同的课堂。听学术讲座过程中，不仅可以领略各行各业专家的口才艺术，还可以开阔视野，学到课堂上学不到的知识。 在进入研究生院一年多的时间里我参加了各种各样的学术讲座，我既了解到了各领域多层次的发展前沿，使自己能够跟上科学发展的步伐;同时充实了多方面的知识，提升了我们的理论水平;同时也看到了知名学者成功人士的人格魅力。而这也激发并且加强了我们对于所在学科领域的探索之心。在参加的学术讲座中我印象最深的是中国人民大学杜小勇教授“大数据时代的数据管理技术”这个讲座，因为他所讲的内容是我特别感兴趣的方面，拓宽了我的视野。 该讲座的主要内容有大数据的定义、3V、管理技术等。 一、大数据(big data)的3V 大数据，或称巨量资料，指的是所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据有3个V，一是大量化(Volume)，数据量是持续快速增加的，从 TB级别，跃升到 PB 级别;二是多样化(Variety)，数据类型多样化，结构化数据已被视为小菜一碟，图片、音频、视频等非结构化数据正以传统结构化数据增长的两倍速快速创建;三是快速化(Velocity)，数据生成速度快，也就需要快速的处理能力，因此，产生了“1 秒定律”，就是说一般要在秒级时间范围内给出分析结 果，时间太长就失去价值了，这个速度要求是大数据处理技术和传统的数据挖掘技术最大的区别。 二、数据库管理技术 目前数据库可分为关系数据库和 noSQL数据库，根据数据应用的要求，再结合目前数据库的种类，所以目前数据库管理方式主要有以下 4 类。 (1)面向操作型的关系数据库技术。 首先，传统数据库厂商提供的基于行存储的关系数据库系统，如DB2、Oracle、SQL Server 等，以其高度的一致性、精确性、系统可恢复性，在事务处理方面仍然是核心引擎。其次，面向实时计算的内存数据库系统，如Hana、Timesten、Altibase 等通过把对数据并发控制、查询和恢复等操作控制在内存内部进行，所以获得了非常高的性能，在很多特定领域如电信、证券、网管等得到普遍应用。另外，以VoltDB、Clustrix 和NuoDB 为代表的new SQL 宣称能够在保持ACDI 特性的同时提高了事务处理性能 50 倍 ~60 倍。 (2)面向分析型的关系数据库技术。 首先，TeraData 是数据仓库领域的领头羊，Teradata 在整体上是按Shared Nothing 架构体系进行组织的，定位就是大型数据仓库系统，支持较高的扩展性。其次，面向分析型 应用，列存储数据库的研究形成了另一个重要的潮流。列存储数据库以其高效的压缩、更高的I/O 效率等特点，在分析型应用领 域获得了比行存储数据库高得多的性能。如:MonetDB 和Vertica是一个典型的基于列存储技术的数据库系统。 (3)面向操作型的noSQL 技术。 有些操作型应用不受ACID 高度一致性约束，但对大数据处理需要处理的数据量非常大，对速度性能要求也非常高，这样就必须依靠大规模集群的并行处理能力来实现数据处理，弱一致性或最终一致性就可以了。这时，操作型noSQL 数据库的优点就可以发挥的淋漓尽致了。如Hbase 一天就可以有超过 200 亿个到达硬盘的读写操作，实现对大数据的处理。另外，noSQL 数据库是一个数据模型灵活、支持多样数据类型，如对图数据建模、存储和分析，其性能、扩展性是关系数据库无法比拟的。 (4)面向分析型的noSQL 技术。 面向分析型应用的noSQL 技术主要依赖于Hadoop分布式计算平台，Hadoop是一个分布式计算平台，以HDFS和Map Reduce为用户提供系统底层细节透明的分布式基础架构。《Hadoop 经典实践染技巧》传统的数据库厂商 Microsoft，Oracle，SAS，IBM 等纷纷转向 Hadoop 的研究，如微软公司关闭 Dryad 系统，全力投入 Map Reduce 的研发，Oracle在 2011 年下半年发布 Big Plan 战略计划，全面进军大数据处理领域，IBM 则早已捷足先登，“沃森(Watson)”计算机就是基于Hadoop 技术开发的产物，同时IBM 发布了BigInsights计划，基于Hadoop，Netezza和SPSS(统计分析、数据挖掘软件)等技术和产品构建大数据分析处理的技术框 架。同时也涌现出一批新公司来研究Hadoop技术，如Cloudera、MapRKarmashpere等。 讲座期间杜教授的饱满的科研激情不时地感染者我们在座的每一位听学者，杜教授幽默而又严谨的讲学风格也带动了我们大家的热情以及杜教授对专业技术领域的真知灼见也令我们在座的研究生由衷钦佩。此次讲座使我对大数据下数据管理的概念有了一定的认识并对其技术有了更深的理解，学到了大数据专业及其他相关方面更深层的理论知识和更前端的发展概况，理论水平得到了一定的提升，并提升了我们的专业技能，开阔了我们的视野，使我们受益颇多。 书山有路勤为径，学海无涯苦作舟，虽然按照学校规定，我已经完成了听取有关学术报告和讲座的任务。但在研二研三期间对学校组织的学术讲座和报告，我还会选择参加一些对自己专业有帮助的和自己感兴趣的讲座，不会停止学习探索的脚步，高度的责任感和使命感时刻提醒着我不断攀岩知识的高峰，充实自我，实现自己的理想。