加入到大数据学习的人越来越多，很多人在学习大数据的时候都会面临这么一个问题—学习大数据需要英语好还是数学好呢？其实这个问题很容易解答，需要英语基础也需要数学基础，但涉及的知识量不会太深。接下来，小编将为大家讲解为什么需要英语和数学基础。
一、英语
大数据技术框架基于编程语言开发及运行的，大部分编程语言采用的是英语，且现主流的编程使用的是英语进行编写的。
在大数据学习中英语不需要很好，只是有英语的基础会更容易去理解大数据技术中的基础知识，举个例子：
这是一个在Java（Java是一种编程语言）中一条语句：System.out.println("Hello World");
“System.out.println”翻译成中文就是“系统输出打印”，由此我们可以知道这是关于输出并打印文字符号的一条语句，即使我们不懂编程，但如果会英语，看到一条编程语句也会明白这大概是一条有着什么作用的编程语句。
又比如在SQL语句（SQL语句是关系型数据库的查询语言）中：
SELECT * FROM Websites;
这条语句我们可以看到“SELECT”的意思是“选择”；“FROM”的意思是“来自，从....地方”；“Websites”即为“网站”的意思；整条语句可以翻译为“从网站中选择”。而这条语句的作用则是从“Websites”表中选取所有记录，即使我们初入学习SQL语句集，如果有英语基础不仅会更容易理解这些语法还会很地容易去记住这些语法。
学习大数据没有强求需要有英语基础，但是有英语基础会更容易去理解大数据技术中的基础知识点。
如果有同学仅仅只是想提升在计算机方面的英语，可以去学习计算机英语，无论是网络还是书籍都有关于计算机英语的学习资料。
二、数学
大数据技术中有数据分析、挖掘、算法及开发方向，如果只是走开发方向，数学基础不会要求太高；如果是想走分析、挖掘及算法方向，数学的要求则会高一些。
1、函数、变量、方程、图
这是从事数据科学相关岗位的必备的数学基础。
如果想知道排序后搜索数百万个项目数据库的速度，将遇到二进制搜索的概念。为了了解它的行为，我们需要了解对数和递推方程；或者在分析时间序列时，我们可能会遇到周期函数和指数衰减的概念。
2、统计及概率
在大数据分析中常常会应用统计及概率的知识点，作为大数据分析家，对常见的统计量具有只觉得理解将是你在开发自己的理论上具有优势，并且可以随后测试这些理论。
3、线性代数
线性代数与大数据技术的发展密切相关。线性代数中的矩阵、秩、向量、正交矩阵、特征值和特征向量等概念在大数据分析和建模中起着重要的作用。
基于矩阵的各种操作，如矩阵分解，是分析对象和提取特征的方法。由于矩阵表示某种变换或映射，分解后得到的矩阵表示新空间中对象的一些新特征。其中，特征分解和奇异值分解在大数据分析中得到了广泛的应用。
4、微积分
微积分是整个近代数学的基础，有了微积分，才有了真正意义上的近代数学。统计学中的概率论部分就是建立在微积分的基础之上的。
5、离散数学
现代数据科学都是在计算系统的帮助下完成的，离散数学是这类系统的核心，其中的基本数据结构是我们学习编程时所必学的内容。
6、递归关系和方程
在任何社会网络分析中，都需要了解图形的性质和快速算法来搜索和遍历整个网络。在选择任何算法时，需要使用O(n)表示来理解时间和空间复杂度。
7、整数规划
整数规划内容包括约束编程及背包问题，使用最小平方损失函数的简单线性回归问题通常有精确地解析解，而逻辑回归问题则没有。要理解原因，我们需要理解最优化中的凸性概念，这也解释了为什么我们必须满足于大多数机器学习问题的“近似”解。
在学习大数据技术的前提没有重点要求有英语和数学的基础，但是如果有英语的基础会让人更容易去理解大数据技术中的基础知识；在大数据技术开发中所需要的数学要求不高，但要掌握一些数学基础，而在其它处理大数据的技术中所需要的一些关于数学深层次的知识是必须得掌握的。
这也不代表没有英语和数学基础就无法学习大数据技术，大家可以在学习大数据技术的同时提升自己的英语和数学基础。
,
