云南龙网

  1. 首页 > 云知道 > >

如何系统地学习数据挖掘,数据挖掘教程( 二 )

云知道系统地


数据挖掘项目通常需要重复一些毫无技术含量的工作 。如果你阅读了以上内容觉得可以接受 ， 那么继续往下看 。学习一门技术要和行业靠拢 ， 没有行业背景的技术如空中楼阁 。技术尤其是计算机领域的技术发展是宽泛且快速更替的（十年前做网页设计都能成立公司） ， 一般人没有这个精力和时间全方位的掌握所有技术细节 。但是技术在结合行业之后就能够独当一面了 ， 一方面有利于抓住用户痛点和刚性需求 ， 另一方面能够累计行业经验 ， 使用互联网思维跨界让你更容易取得成功 。
不要在学习技术时想要面面俱到 ， 这样会失去你的核心竞争力 。一、目前国内的数据挖掘人员工作领域大致可分为三类 。1）数据分析师：在拥有行业数据的电商、金融、电信、咨询等行业里做业务咨询 ， 商务智能 ， 出分析报告 。2）数据挖掘工程师：在多媒体、电商、搜索、社交等大数据相关行业里做机器学习算法实现和分析 。3）科学研究方向：在高校、科研单位、企业研究院等高大上科研机构研究新算法效率改进及未来应用 。
二、说说各工作领域需要掌握的技能 。(1).数据分析师需要有深厚的数理统计基础 ， 但是对程序开发能力不做要求 。需要熟练使用主流的数据挖掘（或统计分析）工具如SAS）、SPSS、EXCEL、BI工具等 。需要对与所在行业有关的一切核心数据有深入的理解 ， 以及一定的数据敏感性培养 。经典图书推荐：《概率论与数理统计》、《统计学》推荐David Freedman版、《业务建模与数据挖掘》、《数据挖掘导论》、《SAS编程与数据挖掘商业案例》、《Clementine数据挖掘方法及应用 》、《Excel 2007 VBA参考大全》、《IBM SPSS Statistics 19 Statistical Procedures Companion》等(2).数据挖掘工程师需要理解主流机器学习算法的原理和应用 。
需要熟悉至少一门编程语言如（Python、C、C、Java、Delphi等） 。需要理解数据库原理 ， 能够熟练操作至少一种数据库（Mysql、SQL、DB2、Oracle等） ， 能够明白MapReduce的原理操作以及熟练使用Hadoop系列工具更好 。经典图书推荐：《数据挖掘概念与技术》、《机器学习实战》、《人工智能及其应用》、《数据库系统概论》、《算法导论》、《Web数据挖掘》、《 Python标准库》、《thinking in Java》、《Thinking in C》、《数据结构》等 。
(3).科学研究方向需要深入学习数据挖掘的理论基础 ， 包括关联规则挖掘 （Apriori和FPTree）、分类算法（C4.5、KNN、Logistic Regression、SVM等) 、聚类算法 （Kmeans、Spectral Clustering） 。目标可以先吃透数据挖掘10大算法各自的使用情况和优缺点 。
相对SAS、SPSS来说R语言更适合科研人员The R Project for Statistical Computing ， 因为R软件是完全免费的 ， 而且开放的社区环境提供多种附加工具包支持 ， 更适合进行统计计算分析研究 。虽然目前在国内流行度不高 ， 但是强烈推荐 。可以尝试改进一些主流算法使其更加快速高效 ， 例如实现Hadoop平台下的SVM云算法调用平台--web 工程调用hadoop集群 。
需要广而深的阅读世界著名会议论文跟踪热点技术 。如KDD ， ICML ， IJCAI ， Association for the Advancement of Artificial Intelligence ， ICDM 等等；还有数据挖掘相关领域期刊：ACM Transactions on Knowledge Discovery from Data ， IEEE Transactions on Knowledge and Data Engineering ， Journal of Machine Learning Research Homepage ， IEEE Xplore: Pattern Analysis and Machine Intelligence, IEEE Transactions on等 。

推荐阅读


上一篇：电视家vip破解版,免vip影视

下一篇：中超第四轮印象,第四印象