资源环境大数据工程：过来人的真实分享
一句话：资源环境+大数据+人工智能。
学的是怎么用大数据和AI技术处理资源环境问题。比如，用卫星遥感数据监测森林变化，用机器学习预测空气质量，用时空数据分析水资源分布。
跟传统的地质、环境专业不一样，我们更强调技术能力——编程、算法、数据分析是核心。跟纯计算机专业也不一样，我们有具体的应用场景。
这是2017年新增的专业，属于交叉学科，目前还在发展期。各学校的培养方案差异很大，有的偏GIS，有的偏环境，有的偏大数据。
我是某211高校资源环境大数据工程专业2020届毕业生，现在在某遥感公司做算法工程师。这篇帖子把我四年踩的坑、走过的弯路、所有干货都分享给你。
一、资源环境大数据工程到底学什么
1.1 专业核心课程列表
资源环境大数据工程是资源环境科学与大数据技术的交叉学科，课程设置兼顾环境知识和编程能力。
| 课程类型 | 主要课程 | 难度系数 | 重要性 |
|---|---|---|---|
| 编程基础 | C语言、Python、数据结构与算法 | ★★★★★ | ★★★★★ |
| 数学基础 | 高等数学、线性代数、概率论与数理统计 | ★★★★★ | ★★★★ |
| GIS基础 | GIS原理、ArcGIS应用、空间数据库 | ★★★★ | ★★★★ |
| 遥感基础 | 遥感原理、ENVI/ERDAS应用 | ★★★★ | ★★★★ |
| AI基础 | 机器学习、深度学习、时空数据分析 | ★★★★★ | ★★★★★ |
| 实践课程 | 项目实习、毕业设计 | ★★★★★ | ★★★★★ |
1.2 哪些课最重要
根据我四年的血泪教训，以下几门课必须学透：
Python编程——这是吃饭的家伙。数据处理、机器学习、Web开发都用Python。
机器学习和深度学习——这是核心技能。用AI解决资源环境问题是这个专业的特色。
GIS原理和ArcGIS操作——空间数据处理是基础能力。
遥感数据处理——ENVI、ERDAS等遥感软件是常用工具。
1.3 专业的核心能力
资源环境大数据工程培养的核心能力包括：
- 编程开发能力：精通Python进行数据处理和开发
- 机器学习能力：用机器学习解决资源环境问题
- GIS应用能力：进行空间数据处理和制图
- 遥感解译能力：处理和解译遥感数据
二、大学四年怎么过
大一：打基础，编程入门
上学期核心任务
刚进大学的第一个学期，核心任务就是学会编程。
必修课程：C语言程序设计、高等数学（上）、线性代数。
C语言是编程的入门语言。
下学期核心任务
必修课程：Python编程、高等数学（下)、数据结构与算法。
Python是数据分析和AI的核心工具。
大二：深入，技术技能
上学期核心任务
必修课程：概率论与数理统计、GIS原理、数据库原理。
概率论是机器学习的基础。
下学期核心任务
必修课程：ArcGIS应用、遥感原理、机器学习基础。
机器学习基础学习监督学习、无监督学习的基本概念。
大三：专业方向确定
上学期核心任务
必修课程：深度学习、ENVI遥感应用、空间数据库。
深度学习学习CNN、RNN等模型及其在遥感领域的应用。
最重要的事：做项目+刷LeetCode。
下学期核心任务
必修课程：时空数据分析、大数据技术、毕业设计选题。
时空数据分析学习处理时空数据的特殊方法。
大四：决定方向
上学期核心任务
全力冲刺个人目标——读研就备战考研/保研，工作就刷LeetCode+做项目。
秋招：
资源环境大数据工程秋招的对口岗位包括：
- 互联网公司（阿里、腾讯、百度、华为云）
- GIS软件公司（超图、中地数码）
- 遥感公司（航天宏图、二十一世纪空间）
- 环保公司（环境大数据方向）
- 政府部门（自然资源、生态环境部门）
- 规划设计院（数据分析岗）
下学期核心任务
完成毕业设计，签约就业协议或等待录取通知。
三、考研还是就业？
3.1 强烈建议读研
强烈建议读研。
说实话，本科阶段学的东西太杂了——大数据、GIS、环境、编程都沾一点，但没有一样特别精通。不读研的话，出去很难跟计算机专业的竞争。
3.2 读研方向建议
- GIS开发
- 时空数据分析
- 环境遥感
- 环境建模
3.3 过来人的忠告
读研学校建议选GIS或者计算机强校，比如武汉大学、北京大学、中国科学院、南京大学等。
四、必须学会的东西
4.1 核心技能
Python编程：这是吃饭的家伙。
机器学习和深度学习基础。
GIS原理和ArcGIS操作。
遥感数据处理：ENVI、ERDAS。
数据库：SQL必须会。
4.2 常用工具
- Python科学计算栈（Numpy、Pandas、Scikit-learn）
- TensorFlow/PyTorch
- ArcGIS/QGIS
- ENVI/ERDAS
- SQL、Hive、Spark
4.3 加分项
- TensorFlow或者PyTorch深度学习框架
- 大数据技术（Hadoop、Spark）
- WebGIS开发
- 云计算平台（阿里云、华为云）
- 有Kaggle或者数据竞赛获奖经历
五、行业前景分析
5.1 行业现状
非常好。
政策加持：
- “双碳”目标需要数据支撑
- 生态文明建设
- 自然资源统一确权登记
- 智慧城市建设
技术趋势：
- AI+遥感越来越成熟
- 时空大数据分析是热点
- 数字孪生、智慧城市
5.2 就业方向
| 方向 | 单位类型 | 薪资范围 |
|---|---|---|
| 互联网公司 | 阿里、腾讯、百度、华为云 | 硕士20-40k |
| GIS公司 | 超图、中地数码 | 本科10-18k |
| 遥感公司 | 航天宏图等 | 本科8-15k |
| 政府部门 | 自然资源、生态环境部门 | 稳定 |
5.3 证书建议
- 阿里云/华为云认证：大数据方向加分
- ESRI认证：GIS方向加分
- Kaggle竞赛奖牌：算法能力证明
六、过来人的忠告
6.1 关于专业选择
选资源环境大数据工程之前，先问自己三个问题：
- 你喜欢编程吗？ 这是核心能力。
- 你能接受高强度学习吗？ 这行技术更新快。
- 你想转互联网吗？ 这是这专业的一个出口。
6.2 关于行业前景
这行技术更新快，得持续学习，但回报也丰厚。
我的建议是能读研就读研，读研期间把代码能力和算法能力练扎实。这个专业跟计算机专业比有劣势，必须有过硬的技术才能竞争。
本人某211资源环境大数据工程专业毕业，现在在遥感公司做算法工程师，以上都是个人经验，供你参考。不同学校情况可能不一样，建议找自己学校的学长学姐问问具体情况。