守望麦田的卡夫卡

关于数据挖掘方面的研究，我原来也走过一些弯路。其实从数据挖掘的起源可以发现，它并不是一门崭新的科学，而是综合了统计分析、机器学习、人工智能、数据库等诸多方面的研究成果而成，同时与专家系统、知识管理等研究方向不同的是，数据挖掘更侧重于应用的层面。因此来说，数据挖掘融合了相当多的内容，试图全面了解所有的细节会花费很长的时间。因此我建议你的第一步是用大概三个月的时间了解数据挖掘的几个常用技术：分

这个方面数学要求较高。建议，概率论统计学，代数好好学学，以及探讨各种优化问题。是数学，你都读读吧，没有坏处的。基础是数学，这是真的，没有扎实的基本功，这方面的东西看起来会很费劲。给你推荐一个系列的课程？只推荐个机器学习的课程吧，其他很多相关的学科大多都要用到机器学习的思想。stanford的机器学习课程，很有名了。斯坦福大学公开课 ：机器学习课程Coursera.org

我觉得前三个正好是广义数据分析的三个方向：数据分析。专注于中小网站分析优化，网站地图、结构优化，SEO。多使用第三方工具如：开源分析模块（BIRT），CNZZ，Google Analytics（以下简称GA）。通过对网站属性数据（如pv, uv, 新用户占比，搜索词，跳出率，蹦失率，访问时长，忠诚度等）的分析，对网站结构、内容进行优化。此方向更偏产品一些，极大的依赖分析经验和对数据的敏感度

1.什么是数据挖掘    这是个有意思的问题。由于数据科学刚刚兴起，数据科学家作为一种新生职业被提出，数据研究高级科学家Rachel Schutt将其定义为”计算机科学家、软件工程师和统计学家的混合体“。数据挖掘作为一个学术领域，横跨多个学科，涵盖了统计学、数学、机器学习和数据库等，此外还包括各类专业方向比如从油田电力、海洋生物、历史文本、电子通讯、法律税务等的各个专业领域。注意每一分

学习一门技术要和行业靠拢，没有行业背景的技术如空中楼阁。技术尤其是计算机领域的技术发展是宽泛且快速更替的（十年前做网页设计都能成立公司），一般人没有这个精力和时间全方位的掌握所有技术细节。但是技术在结合行业之后就能够独当一面了，一方面有利于抓住用户痛点和刚性需求，另一方面能够累计行业经验，使用互联网思维跨界让你更容易取得成功。不要在学习技术时想要面面俱到，这样会失去你的核心竞争力。 一、目

数据分析最重要的可能并不是你熟悉的编程工具、分析软件，或者统计学知识，而是清楚你所使用的统计知识（统计学、计量、时间序列、非参数等等）背后的原理、假设及其局限性，知道各种数据分析工具（例如数据挖掘）能带来什么，不能带来什么，看到一组统计检验的结果你能言说什么，不能言说什么。这一切的背后，需要一套完整的「科学」逻辑框架，让你了解自己手中的工具的本质，你才能从数据中「正确地」发现有效的信息，而不是胡乱

其实不算原创只是一个信息汇总也方便自己查看 CORE Computer Science Conference RankingsAcronymStandard NameRankAAAINational Conference of the American Association for Artificial Inte

《软件学报》《计算机学报》《计算机研究与发展》为计算机类三大权威刊物软件学报 http://www.jos.org.cn计算机学报 http://cjc.ict.ac.cn/计算机研究与发展 http://crad.ict.ac.cn/