數據挖掘的學習資源

 

數據挖掘（Data Mining）做爲一個領域，比機器學習要大，偏應用。互聯網公司也大量使用數據挖掘技術，做爲即將畢業進入互聯網公司從事機器學習算法開發的我，最近計劃系統瞭解一下這方面的理論和技術。做爲一個習慣，學習一個東西以前總要上網找找學習資源（網站，書籍，學術期刊會議），以保證學到的是最前沿最系統的知識，並以最高效率學習。

但願這些資源可以最終幫助本身瞭解這些酷炫的問題：搜索引擎是怎樣工做的（爲何谷歌搜索的結果老是比百度好）？數據挖掘/機器學習在互聯網公司的典型應用（例如社交網絡上的大量信息騰訊和Facebook是怎麼使用的以產生商業價值）？各類問答機器人的原理（如小度機器人/度祕，京東智能機器人）？

另外請見我前一篇博客裏列的機器學習計算機視覺的學習資源。

 

wikipedia.org，歷史，領域概述，資源連接：

Data mining：介紹了數據挖掘的概念、過程、學術會議、軟件等，右側有細分條目；

Category:Data mining：更多和數據挖掘有關的條目；

DMOZ關於DM：資源連接；

谷歌上不了推薦鏡像站，搜索和下載電子書籍推薦Library Genesis（更多在線圖書館）。

 

大學課程、在線教程：

Stanford課程：CS246 Mining Massive Data Sets，CS246H Mining Massive Data Sets: Hadoop Labs，CS341 Project in Mining Massive Data Sets，配套書籍 Mining of Massive Datasets，DataMiningTalk；

CMU課程：Data Mining: Spring 2013，Statistics 36-350: Data Mining (fall 2009)；

南京大學課程：Introduction to Data Mining；

Coursera：Data Mining Specialization。

 

專著、書籍：

Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman, 2015; PPT；中文譯本：大數據-互聯網大規模數據挖掘與分佈式處理；

Data Mining: The Textbook, Charu C. Aggarwal, 2015; 資源連接；

Data Mining: Concepts and Techniques (3rd ed.), Jiawei Han, Micheline Kamber, Jian Pei, 2011; PPT；中文譯本：數據挖掘:概念與技術；

Data Mining and Analysis: Fundamental Concepts and Algorithms, Mohammed J. Zaki, Wagner Meira Jr, 2014; 做者網站；

Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach, Vipin Kumar, 2006; PPT；中文譯本：數據挖掘導論；

A Practical Guide to Data Mining for Business and Industry, Andrea Ahlemeyer-Stubbe, Shirley Coleman, 2014; PPT；

Data Mining: Practical Machine Learning Tools and Techniques (3rd ed.), Ian H. Witten, Eibe Frank, Mark A. Hall, 2011; PPT；中文譯本：數據挖掘:實用機器學習工具與技術；

Programming Collective Intelligence: Building Smart Web 2.0 Applications, Toby Segaran, 2007; 中文譯本：集體智慧編程；

The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.), Trevor Hastie, Robert Tibshirani, Jerome Friedman, 2009;

還有我前一篇博客裏列的書籍。

 

學術論文：

頂級會議：KDD，ICDE；

更多會議期刊見：Google Scholar DM，Microsoft academic DM，KDnuggets DM Conferences。

 

學習網站：

KDnuggets：各類資源，博文，課程、軟件、Datasets等連接；

國內的兩個網站：我愛機器學習，機器學習日報；

Data Sets：UCI Machine Learning Repository，List of Public Data Sources Fit for Machine Learning；

Competitions：Kaggle，DMC，Knowledge Pit，TunedIT，DrivenData；

這裏也整理了一些資源，這裏整理了數據挖掘博客，這裏有術語解釋、挖掘介紹、書推薦等不過有點老。

 

程序、庫：

R語言：RDataMining，inside-R；

Hadoop：Tutorial，Wiki，實現了MapReduce計算模型；

Spark：Tutorial，做爲Hadoop的改進或補充近來很火，請看知乎的比較。