【推荐】数据挖掘工程师就该有这样的学习线路

不管是数据分析师还是数据挖掘工程师，我们的目标都是认识数据，从数据中发现需要的信息。

 

数据挖掘的技术过程：

数据清理（消除噪音或不一致数据）

数据集成（多种数据源可以组合在一起）

数据选择（从数据库中提取与分析任务相关的数据）

数据变换（数据变换或统一成适合挖掘的形式；如，通过汇总或聚集操作）

数据挖掘（基本步骤，使用智能方法提取数据模式）

模式评估（根据某种兴趣度度量，识别提供知识的真正有趣的模式）

知识表示（使用可视化和知识表示技术，向用户提供挖掘的知识）

所需要的技能

对大数据的概念都是模糊不清的，大数据是什么，能做什么，学的时候，该按照什么线路去学习，学完往哪方面发展，想深入了解

想学习的同学欢迎加入大数据学习qq群：458345782，有大量干货（零基础以及进阶的经典实战）分享给大家

并且有清华大学毕业的资深大数据讲师给大家免费授课，给大家分享目前国内最完整的大数据高端实战实用学习流程体系 。

 

做数据分析，统计的知识肯定是需要的，Excel、SPSS、R等是需要掌握的基本技能。

我是做数据挖掘的，所以重点讲一下数据挖掘方面的技能。我本身是学数学专业的，接触数学比较多。数据挖掘要从海量数据中发现规律，这就需要一定的数学知识，最基本的比如线性代数、高等代数、凸优化、概率论等。

举个栗子，比如朴素贝叶斯算法需要概率方面的知识，SKM算法需要高等代数或者区间论方面的知识。当然，你可以直接套模型，R、Python这些工具有现成的算法包，可以直接套用。但如果你想深入学习这些算法，最好去学习一些数学知识，也会让你以后的路走得更顺畅。

我们经常会用到的语言包括Python、Java、C或者C++，我自己用Python或者Java比较多。有时用MapReduce写程序，再用Hadoop或者Hyp来处理数据，如果用Python的话会和Spark相结合。

可以挖掘的数据类型：

关系数据库、数据仓库、事务数据库、空间数据库、时间序列数据库、文本数据库和多媒体数据库。

关系数据库：是表的集合，每个表都赋予一个唯一的名字。每个表包含一组 属性（列或字段），并通常存放大量 元组（记录或行）。关系中的每个元组代表一个被唯一关键字标识的对象，并被一组属性值描述。

<