我是學Java的，想嘗試大數據和數據挖掘，該怎麼規劃學習？

著做權歸做者全部。
商業轉載請聯繫做者得到受權，非商業轉載請註明出處。
做者：譚欣
連接：http://www.zhihu.com/question/21380122/answer/22156159
來源：知乎

大數據有兩個方向，一個是偏計算機的，另外一個是偏經濟的。你學過Java，因此你能夠偏將計算機

基礎
1. 讀書《Introduction to Data Mining》，這本書很淺顯易懂，沒有複雜高深的公式，很合適入門的人。
另外能夠用這本書作參考《Data Mining : Concepts and Techniques》。第二本比較厚，也多了一些數據倉庫方面的知識。
若是對算法比較喜歡，能夠再閱讀《Introduction to Machine Learning》。
固然，還有《機器學習：實用案例解析》

2. 實現經典算法。有幾個部分：
a. 關聯規則挖掘 (Apriori, FPTree, etc.)
b. 分類 (C4.5, KNN, Logistic Regression, SVM, etc.)
c. 聚類 (Kmeans, DBScan, Spectral Clustering, etc.)
d. 降維 (PCA, LDA, etc.)
e. 推薦系統 (基於內容的推薦，協同過濾，如矩陣分解等)
而後在公開數據集上測試，看實現的效果。能夠在下面的網站找到大量的公開數據集： UCI Machine Learning Repository/

3. 熟悉幾個開源的工具: Weka (用於上手); LibSVM, scikit-learn, Shogun

4. 到 Kaggle: Go from Big Data to Big Analytics/ 上參加幾個101的比賽，學會如何將一個問題抽象成模型，並從原始數據中構建有效的特徵 (Feature Engineering).

到這一步的話基本幾個國內的大公司都會給你面試的機會。

進階篇：

1. 讀書，下面幾部都是大部頭，但學完進步很是大。
a.《Pattern Recognition and Machine Learning》
b.《The Elements of Statistical Learning》
c.《Machine Learning: A Probabilistic Perspective》
第一本比較偏Bayesian；第二本比較偏Frequentist；第三本在二者之間，但我以爲跟第一本差很少，不過加了很多新內容。固然除了這幾本大而全的，還有不少介紹不一樣領域的書，例如《Boosting Foundations and Algorithms》，《Probabilistic Graphical Models Principles and Techniques》；以及理論一些的《Foundations of Machine Learning》，《Optimization for Machine Learning》等等。這些書的課後習題也很是有用，作了纔會在本身寫Paper的時候推公式。

2. 讀論文。包括幾個相關會議：KDD，ICML，NIPS，IJCAI，AAAI，WWW，SIGIR，ICDM；以及幾個相關的期刊：TKDD，TKDE，JMLR，PAMI等。跟蹤新技術跟新的熱點問題。固然，若是作相關research，這一步是必須的。例如咱們組的風格就是上半年讀Paper，暑假找問題，秋天作實驗，春節左右寫/投論文。

3. 跟蹤熱點問題。例如最近幾年的Recommendation System，Social Network，Behavior Targeting等等，不少公司的業務都會涉及這些方面。以及一些熱點技術，例如如今很火的Deep Learning。

4. 學習大規模並行計算的技術，例如MapReduce、MPI，GPU Computing。基本每一個大公司都會用到這些技術，由於現實的數據量很是大，基本都是在計算集羣上實現的。

5. 參加實際的數據挖掘的競賽，例如KDDCUP，或 Kaggle: Go from Big Data to Big Analytics/ 上面的競賽。這個過程會訓練你如何在一個短的時間內解決一個實際的問題，並熟悉整個數據挖掘項目的全過程。 6. 參與一個開源項目，如上面提到的Shogun或scikit-learn還有Apache的Mahout，或爲一些流行算法提供更加有效快速的實現，例如實現一個Map/Reduce平臺下的SVM。這也是鍛鍊Coding的能力。（轉）