回覆列表
-
1 # 不程式設計亦分析
-
2 # 加米穀大資料
基礎知識：
程式語言，資料結構和演算法，作業系統和網路程式設計（資料庫相對而言問的比較少），前兩部分非常重要！
機器學習很火，個人理解的機器學習主要有三個方向（按照崗位要求分）：資料探勘，自然語言處理和深度學習。資料探勘主要是搜尋排序，反作弊，個性化推薦，信用評價等；自然語言處理主要是分詞，詞性分析等；深度學習主要是語音和影象識別。
什麼是資料探勘？資料探勘的一般過程是怎樣的？
https://www.toutiao.com/i6710107362302099981/
首先資料探勘還是需要一些理論基礎。常見的演算法如分類，迴歸，聚類等演算法要熟悉，再深入了還有學習數學，尤其是線性代數（推薦國外翻譯的《線性代數及其應用》第五版 [美] 戴維 C.雷 / [美] 史蒂文 R.雷 / [美] 朱迪 J.麥克唐納 機械工業出版社，看過最好的線代書）。
理論基礎知識之外，要有實際落地的能力，用什麼軟體。
建模的分為商業版和開源免費版
1-商業版軟體
SPSS Moderler，
SAS EM挖掘模組，
2-開源的挖掘軟體也有很多
1.Weka（需要java程式設計基礎），
2.當今最火的Python scikit-learn建模模組（常3見演算法都有）
3.RapidMiner
4.Knime（大而全的一個軟體，做ETL和資料探勘都可以，學過Python挖掘模組再看這個會感覺比較簡單，反過來更容易理解python 挖掘演算法）
從另外一個角度來說，分為程式設計，和圖形化操作兩種方式，圖形化方式無需要程式設計逐一配置各個節點，連線即可搭建。