數據挖掘入門 資料和步驟

最近很多朋友問到數據挖掘怎麼入門，要看什麼資料，

就想寫一篇文章介紹一下入門步驟和資料，基本上下面的步驟是按順序的，時間方面我的感受至少須要小几個月

 

基礎知識：

• 線性代數
• 統計學
• 計算機技術

基本上這些東西不說熟悉，至少也要有點概念，或者是大學有上過對應的課程，不須要特別準備。

 

推薦書籍和資料：

視頻：

• Coursera Machine Learning  by Andrew Ng 做爲入門仍是不錯的，並且對於初學者而言，視頻比較容易理解

中文：

• 《數據挖掘概念與技術》  這本書我本身也挺喜歡的，適合初學者，涉及的面比較多，不過不夠深刻 (備選：《數據挖掘導論》）

• 《數學之美》 介紹了一些挺有意思的東西

英文：

• PPT by Tan, Steinbach, Kumar 我這邊上傳了PDF版本
• Pattern Recognition And Machine Learning  不少人推薦的一本書了，就是沒有中文，並且難度有點大 （能夠慢慢看）

 

實踐：

瞭解了數據挖掘是怎麼回事之後，最好的學習辦法就是開始實戰，若是公司裏面沒有相似的項目，那麼能夠考慮去如下網站參加比賽，重在參與和學習

• http://www.kaggle.com/

其餘經常使用資料和網站：

• 數據 若是你想要下載一些數據，這個網站可能會幫你
• cos.name 這邊有一些業界案例的ppt下載（年會那些），還有一些基本資料

數據挖掘工做中可能涉及到的技能和工具：

• 業務知識
• 數據清理和準備 （例如說sql server）
• 建模和分析工具 （例如說R， Weka)
  • 算法和方案
• Demo （PPT）
• 大數據處理 （Hadoop/Mahout)
• Coding （無論是本身作一點處理仍是最終把產品帶上線，都須要一些coding的能力）