数据挖掘工程师入门 数据挖掘该如何入门？

想去做数据挖掘 该怎么入门呢 难得在这个版看到这类帖子。我不是软件工程师，视野也有限。算法、统计学、分布式系统、数据可视化是必须的。除了算法、统计学、机器学习等基础知识，Java、C++之类的编程语言肯定是要搞的，R、Hadoop甚至Teredata之类的都是加分项。具体的工作内容要看行业了，现在数据挖掘用得比较多的就是电子商务、社交网络、咨询公司等等。淘宝正在大力网罗这方面的人，有基础的话可以试试。数据分析师和数据挖掘工程师的区别 1.数据分析和数据挖掘联系和区别 联系：都是搞数据的 区别：数据分析偏统计，可视化，出报表和报告，需要较强的表达能力。数据挖掘偏算法，重模型，需要很深的代码功底，要码代码，很多怎么从一个有算法基础但是没有项目经验的学生，成长为数据挖掘工程师？ 考研数一146分怒答。同养是其他专业想要尝试转数据挖掘，我的学习路线如下，供题主参考：1，coursera上NG…数据挖掘该如何入门？ 恰好本人从事数据分析工作10几年，略懂一些，浅谈粗浅看法：1、首先您得有基本的统计学，概率论等功底，不用太高深，掌握常用的基础理论即可，数据挖掘掌握的理论知识要多一些，高数，线性代数，等2、建议从简单的数据分析着手开始，垫定基础，熟练使用EXCEL，再进阶一点学学SPSS，多多练习3、数据挖掘与分析不同，数据分析偏重统计，出图表，可视化，小数据量，而数据挖掘偏算法，重模型，需要很深的代码功底，要码代码，python是很有必要的工具4、推荐两本书入门：如何成为一名数据分析师，其实数据分析很简单，如何成为一名数据挖掘工程师数据挖掘工程师一般都做什么？ 数据挖掘工程师是做什么的？数据挖掘，从字面上理解，就是在数据中找到有用的东西，哪些东西有用就要看具体的业务目标了。最简单的就是统计应用了，比如电商数据，如淘宝统计过哪个省购买泳衣最多、哪个省的女生胸罩最大等，进一步数据分析师与数据挖掘工程师，分别有什么从业要求？ 谢邀，之前我回答过另一个问题，现在我把答案复制过来，仅供参考。我上一份工作是数据分析师，现在的工作是数据挖掘工程师，因此我可以以我自己的实际经验来回答这个问题。数据分析师和数据挖掘工程师，同属于数据领域的洞察者，但是两者的工作内容却有着不小的区别。对于一个数据分析师来说，最重要的并不是编程技能，而是逻辑分析能力、业务理解能力、报告展示能力等。数据分析师：数据分析师使用的主要工具可以是编程，但并非必要；因为现在已经存在大量的强大、易用的数据分析工具，比如Excel、Tableau、SPSS、SAS等，即使你没有编程能力，仍然能胜任绝大多数的数据分析工作；但是相对于数据挖掘工程师，你还额外需要一些能力，比如数据可视化的能力、写数据报告的能力、在领导甚至许多人面前做报告、讲演的能力等；同时，由于现在互联网公司都在讲大数据，数据的存储基本上在各种大数据平台和数据库中，因此你有必要掌握Hive、HDFS、MySQL等的使用，SQL的熟练掌握是不可避免的。数据分析师一般有两种，一种是面向业务的，主要对各业务线、产品经理、运营、各部门领导的需求提供支持，帮助他们分析业务、了解业务，发掘出业务中的问题并提供解决方案；另一种是偏宏观的。如何入门大数据（数据挖掘方面）？ 具体的转岗方法论，已有的回答已经非常完整了，那么如果从具体的雇主招聘需求上看，如何向大数据方向靠拢…零基础自学如何成为合格的数据挖掘工程师？ 可以淘宝影印版 Probability and Statistics(Open+Free)stanford 怎么着也不是很差https：//www. coursera.org/learn/prob ability-intro Coursera。com/e du/python/introduction。想成为数据挖掘工程师，应该如何着手学习？ 入门推荐你看《机器学习实战》，不需要你跑去学习算法和数据结构，不需要解析几何的知识，但是数理统计的基础你必须要有，期望、方差、常用的几种概率分布，尤其注意一下条件概率，因为朴素贝叶斯模型你一定要懂，线性代数至少你要明白矩阵乘法、行列式计算，再就是微积分知识，不然你看不懂所有基于梯度下降法的文献，行业内用的比较多的是c++，java和python，推荐你用python，很多模型不需要你造轮子，python有相关的第三方模块，很方便。数据挖掘涉及的内容比较泛，机器学习、数据挖掘、人工智能，但实际上这些知识大多是相通的，机器学习实战这本书是我看的启蒙书里很好的一本了，该有的都有，难度较小，有理论有实践，可以较快的对各种知识有个大概的了解，但是想要长期在这个行业发展，还需要学习更多的知识，比如说提到回归模型，你不仅仅要知道最小二乘法，你还要想到怎么进行数据清洗、哪些数据需要清洗，怎么规范数据，数据是否过多，要不要进行归约和降维，采用哪种回归模型，精确度大致要达到什么水平，要不要考虑过拟合和欠拟合，要不要进行交叉验证，几折交叉验证效果好，如果回归模型不适用，有哪些备选方案。比如说决策树模型，书上简单的讲了个if-then就完了。

#数据挖掘算法#商务智能#大数据#机器学习#数据分析