18级大数据分析专业的课程设置主要围绕大数据技术、数据挖掘、数据处理、统计学等方面展开，旨在培养学生具备处理大规模数据、进行数据分析和挖掘的能力。具体来说，18级大数据分析专业的学生将学习以下主要课程：

1. 数据结构与算法：数据结构是大数据分析的基础，学生将学习各种数据结构的原理和实现方法，并掌握常见的算法设计和分析技巧。

2. 数据库原理与应用：学习数据库的基本概念、关系模型、数据库设计、SQL语言等内容，掌握数据库系统的搭建、管理和优化技术。

3. 统计学：学习统计学基础知识，包括概率论、假设检验、方差分析等内容，为数据分析提供理论支持。

4. 数据挖掘：学习数据挖掘的基本原理、常见算法（如聚类、分类、关联规则挖掘等），并掌握数据挖掘工具的使用。

5. 大数据技术：学习大数据存储、处理和分析的技术和工具，了解Hadoop、Spark等开源大数据处理框架的原理和应用。

6. 机器学习：学习机器学习算法的基本原理和应用，包括监督学习、无监督学习、深度学习等内容。

7. 数据可视化：学习数据可视化技术，掌握常见的数据可视化工具（如Tableau、Power BI等），能够通过图表展示数据分析结果。

总的来说，18级大数据分析专业注重培养学生的数据分析、挖掘和处理能力，使其具备在大数据领域中进行数据科学研究和实践的能力。通过系统的课程设置和实践训练，学生将能够胜任大数据相关行业的工作，如数据分析师、数据工程师、数据科学家等岗位。

18级大数据分析专业学生需要学习以下内容：

1. 数据科学基础知识：包括数据科学的基本概念、发展历史、应用领域等。学生需要了解数据科学的定义、特点以及与其他相关学科（如统计学、计算机科学等）的关系。

2. 数据分析方法与技术：学生需要掌握数据分析的方法论，包括数据收集、数据清洗、数据探索、数据建模、数据可视化等环节。此外，还需要学习数据分析常用的工具和技术，如Python、R语言、SQL、Tableau等。

3. 数据挖掘与机器学习：学生需要学习数据挖掘和机器学习的基本原理和常用算法，如决策树、支持向量机、神经网络等。此外，还需要掌握模型评估、参数调优、特征工程等技术。

4. 大数据技术与平台：学生需要了解大数据技术的基本概念和发展趋势，包括分布式计算、大数据存储、数据处理等方面。同时，需要熟悉Hadoop、Spark、Kafka、Hive等大数据平台的使用。

5. 项目实践与案例分析：通过实际项目和案例分析，学生能够将所学知识应用到实际问题中，培养数据分析能力和解决问题的能力。项目实践可以帮助学生熟悉数据分析的全流程，从而更好地理解和掌握数据分析的方法与技术。

综上所述，18级大数据分析专业学生需要学习数据科学基础知识、数据分析方法与技术、数据挖掘与机器学习、大数据技术与平台、项目实践与案例分析等内容。通过系统的学习和实践，学生将能够成为具有数据分析能力和解决问题能力的专业人才。

18级大数据分析考试内容解析

1. 课程概述

• 简要介绍大数据分析课程的重要性和学习目标。

2. 考试大纲

• 概述大数据分析考试的范围和重点内容。

3. 考试形式

• 说明大数据分析考试的形式，如开卷、闭卷、笔试、机试等。

4、考试内容细则

• 介绍大数据分析考试具体的内容，如何准备、复习和备考。

5、备考方法

• 提供备考建议和方法，包括如何制定学习计划、做题、复习重点知识点等。

6. 操作流程

• 分步解释如何进行大数据分析考试的操作流程，如何填写答卷、注意事项等。

7. 实例分析

• 提供一些大数据分析考试常见题型的实例分析，帮助学生更好地理解和应对考试。

8. 注意事项

• 总结考试过程中需要注意的事项，如时间分配、答题技巧等。

9. 相关资源

• 推荐一些学习资料和参考书籍，帮助学生更深入地了解大数据分析知识点。

10. 结语

• 总结全文，鼓励学生充分准备，取得优异成绩。

通过以上分析和指导，相信18级大数据分析的考生们可以更好地备考，并取得优秀的成绩。祝大家考试顺利！