本科生畢業做數據挖掘

① 我是本科女生，專業是數學與應用數學，請問想從事數據挖掘方面的工作會不會有很大難度軟體知識一般。

如果學習的專業是數學與應用數學，想從事數據挖掘方面的工作都不會有很大難度。

數學專業往任何一個理工科專業轉都好轉，數據挖掘方面離不開演算法和編程，演算法對於數學專業的來說應該不是難點，關鍵是得學一些編程方面的知識。而數據挖掘涉及的軟體很簡單，完全可以自學，網上有相關的教學視頻。目前的數據挖掘應用領域，一般都是通過成型的數據挖掘軟體（比如SAS）直接去挖掘結果，良好的數學基礎是非常重要的，會讓你工作起來更容易。當然，如果是研究數據挖掘的演算法，那數學就必須非常好才行。

如果你對於數據挖掘有疑問的話，推薦CDA數據分析師的課程，課程培養學員硬性的數據挖掘理論與Python數據挖掘演算法技能的同時，還兼顧培養學員軟性數據治理思維、商業策略優化思維、挖掘經營思維、演算法思維、預測分析思維，全方位提升學員的數據洞察力。點擊預約免費試聽課。

② 畢業想當一名數據挖掘工程師，現在怎麼准備

http://blogger.org.cn/blog/more.asp?name=DMman&id=26061
數據挖掘新手常見疑問解答(1) 數據挖掘青年
以下為blog主人的回復：

這種情況很常見，而且我覺得這時更是一個鍛煉和培養自己能力的好機會。就我個人的經歷來說，讀書的不同階段都是培養自己不同能力的過程：

讀本科時是打基礎，掌握相關學科專業的最基本知識，這時是老師告訴自己要做什麼以及教會自己怎麼做，然後自己把它做出來；

讀碩士時則強化了解決問題的能力，導師告訴我要做什麼，而我則需要找出方法來把它做出來；

讀博士時最主要的是培養自己發現問題的能力，發現研究領域內值得研究的而且尚未解決的問題，然後再設法去解決它。這時你會發現，其實你想到的問題，常常已經有人想到了；你想到的一些解決方法，也有國內外的同行已經做過嘗試。這個階段常常是讓人有些氣餒，因為感覺不知該做什麼，而發現問題就是這個階段最重要的能力培養。

當然，不同的人會在不同的階段培養這些能力，有的朋友聰明而且勤奮，可能會很快跨越這三個階段，而有的人則可能需要很長的時間。

就你的問題，其實是導師已經基於他對這個研究領域的理解，給你指了一個方向。這個方向或許有意義，或許價值不大，其實對你來說不是最重要的問題。我覺得可能你要做的是先去收集這方面的文獻資料，了解該方向目前的研究進展，掌握目前的解決方法，然後在適當地深入研究部分的問題並解決。

紫菱(遊客)發表留言於2007-4-2 16:19:29

您好！我是一名在校研究生，我現在已經開題，因為題目是老師給選的，所以在開題之前對數據挖掘的東西一點也不了解，現在只是知道一些皮毛。現在有許多問題自己都弄不明白。特來請教。

我做的是油田開發數據挖掘，用VC＋＋編程，老師讓用ArcGIS平台，可我現在也搞不懂它們之間有什麼聯系，能否指點指點。

謝謝！

以下為blog主人的回復：

我對ArcGIS也是只聞其名，只知道它是類似MapInfo的地理信息系統平台。莫非你們老師是希望將油田的相關數據標注在不同的圖層之上，然後使用數據挖掘演算法來對這些數據進行處理，最後再通過ArcGIS予以展示（例如對油田產油潛力用不同顏色來標注）？

數據挖掘青年 (遊客)發表留言於2007-3-28 18:05:28

您好，謝謝提供開源學習網址！

我是一名非名牌大學的研一學生，專業方向號稱資料庫，但只是服從導師安排做些小或中的項目（甚至根本用不到資料庫，更不用說數據挖掘），沒有實質的理論性學習。

1數據挖掘人員從事的工作內容
是不是開發數據挖掘平台、為別的企業單位量身製作DM、DW系統？除了這些還能有些什麼？

2讀博深造的必要性
現在只是無指導的自學狀態，能否在碩士畢業後勝任數據挖掘方面的工作呢？考取名校的博士進一步深入學習的必要性大不大？

3自學時的大方向
文本、Web等，讀博時肯定就某種具體方向深入研究，現在是否應該也自己重點專注於一種方向，而不是僅泛泛的熟悉各個方面？

以下為blog主人的回復：

1.數據挖掘人員從事的工作和你所說的差不多，我認識的一些朋友大多在IT公司，為甲方實施DM、DW和BI等項目；還有一些是在甲方做分析人員，利用所掌握的數據挖掘知識來解決一些業務問題。

2.就以上的工作內容來說，我覺得碩士已經足以勝任，當然最重要的不是學位，而是運用你學到的知識來解決問題的能力。如果希望在理論研究上進一步發展，讀博也不錯，但發展方向會有所不同。

3.在碩士階段，我覺得還是全面了解會更好一些。當然，因為數據挖掘涉及的內容較多，還是應該在一些方面有所側重，比如那些得到廣泛應用的演算法及其應用上，包括決策樹、聚類、回歸、神經網路等等。這樣即便你以後不去讀博，對找工作也會有所幫助。

③ 本科生出來做機器學習，數據挖掘的工作會比研究生差很多嗎

1、如果是同專業的本科生和同專業的研究生對比的話，一般情況下，我說的是一般情況，研究生還是有優勢的。優勢在哪裡，就在對工具的應用、對理論的了解要更深入的多。如果是博士研究生的話，那更是鑽研的深，連本科裡面的很多公式都必須要推導的出來，能用代碼全部實現。而且研究生經常是泡課題，而課題卻經常是項目式的，很接地氣，來自於實戰。
2、如果是和機器學習對口專業度都不高的本科和研究生作比較，就不好說了。被碾壓和完勝，或者逆襲的場景我都見過，某些演算法及其應用領域我自己也逆襲過數學博士。本人金融學碩士，但是數據挖掘中時間序列、聚類分析、主成分分析從原理到應用我的鑽研深度不亞於人家博士。就是因為本人工作經驗比對方要多，數據的業務本質理解比對方要深。所以方法工具的理解和使用有很多實戰經驗來支撐。

④ 2017年本科畢業，從事數據挖掘的工作，想學習跟工作相關的在職研究生，請問有合適的推薦嗎

目前開設的大數據的好像是中科院心理所，那邊是大數據還添加了用戶體驗的課程，課程內容非常全面，而且非常實用，具體的內容好像有數據挖掘導論，大數據管理，等等課程，我是有朋友在那裡學習，你可以自己看看去。

⑤ 高分急求：985院校本科生想畢業做數據挖掘可以嗎

現在抄數據挖掘都要以機器學習的算襲法做基礎，建議你選修或者直接自學stanford大學的機器學習課程，一方面更好的鞏固數據挖掘的基礎；另一方面，機器學習現在比較熱門，可以增加的的簡歷分。
還有就是，找工作和學習不一樣，個人認為，你要多看MS，google的面試題、筆試題，其實即使你進公司以後做數據挖掘，面試和筆試考試題目也不是這些專向類的東西，越大的公司試題越靈活，越基礎。
最後，多增加點intern經驗吧，我現在研一了，也是計算機專業，其實大公司更喜歡一個有豐富實習經驗的人，不管什麼經驗都好。不一定非是專業實習，但是最好到相關的領域名氣大點的公司。
最後，祝成功吧，我現在就是研究數據挖掘方向，有什麼問題可以再一起探討。

⑥ 學了數據挖掘之後能幹啥

學了數據挖掘之後能幹啥？數據挖掘職業規劃總結

文 | 宿痕

很多人不明白學習數據挖掘以後干什麼，這個問題也經常被問到。記得剛學數據挖掘的時候，有一個老師說學數據挖掘有什麼用，你以後咋找工作。當時聽了，覺得很詫異，不知道他為何有此一問。數據挖掘在國外是一份很不錯的工作。我喜歡數據挖掘，因為它很有趣。很高興以後就從事這方面的工作啦。寫論文之餘，也考慮一下數據挖掘工程師的職業規劃。

以下是從網上找的一些相關資料介紹，和即將走上數據挖掘崗位或是想往這方面發展的朋友共享：

數據挖掘從業人員工作分析

1.數據挖掘從業人員的願景：

數據挖掘就業的途徑從我看來有以下幾種，(注意：本文所說的數據挖掘不包括數據倉庫或資料庫管理員的角色)。

A：做科研(在高校、科研單位以及大型企業，主要研究演算法、應用等)

B：演算法工程師(在企業做數據挖掘及其相關程序演算法的實現等)

C：數據分析師(在存在海量數據的企事業單位做咨詢、分析等)

2.數據挖掘從業人員切入點：

根據上面的從業方向來說說需要掌握的技能。

A：做科研：這里的科研相對來說比較概括，屬於技術型的相對高級級別，需要對開發、數據分析的必備基礎知識。

B：演算法工程師：主要是實現數據挖掘現有的演算法和研發新的演算法以及根據實際需要結合核心演算法做一些程序開發實現工作。要想扮演好這個角色，你不但需要熟悉至少一門編程語言如(C，C++，Java，Delphi等)和資料庫原理和操作，對數據挖掘基礎課程有所了解，讀過《數據挖掘概念與技術》(韓家煒著)、《人工智慧及其應用》。有一點了解以後，如果對程序比較熟悉的話並且時間允許，可以尋找一些開源的數據挖掘軟體研究分析，也可以參考如《數據挖掘：實用機器學習技術及Java實現》等一些教程。

C：數據分析師：需要有深厚的數理統計基礎，可以不知道人工智慧和計算機編程等相關技術，但是需要熟練使用主流的數據挖掘(或統計分析)工具。從這個方面切入數據挖掘領域的話你需要學習《數理統計》、《概率論》、《統計學習基礎：數據挖掘、推理與預測》、《金融數據挖掘》，《業務建模與數據挖掘》、《數據挖掘實踐》等，當然也少不了你使用的工具的對應說明書了，如SPSS、SAS等廠商的《SAS數據挖掘與分析》、《數據挖掘Clementine應用實務》、《EXCEL 2007數據挖掘完全手冊》等，如果多看一些如《數據挖掘原理》 等書籍那就更好了。

數據挖掘人員需具備以下基本條件，才可以完成數據挖掘項目中的相關任務。

一、專業技能

本科或碩士以上學歷，數據挖掘、統計學、資料庫相關專業，熟練掌握關系資料庫技術，具有資料庫系統開發經驗；

熟練掌握常用的數據挖掘演算法；

具備數理統計理論基礎，並熟悉常用的統計工具軟體。

二、行業知識

具有相關的行業知識，或者能夠很快熟悉相關的行業知識

三、合作精神

具有良好的團隊合作精神，能夠主動和項目中其他成員緊密合作

四、客戶關系能力

具有良好的客戶溝通能力，能夠明確闡述數據挖掘項目的重點和難點，善於調整客戶對數據挖掘的誤解和過高期望；

具有良好的知識轉移能力，能夠盡快地讓模型維護人員了解並掌握數據挖掘方法論及建模實施能力。

進階能力要求

數據挖掘人員具備如下條件，可以提高數據挖掘項目的實施效率，縮短項目周期。

具有數據倉庫項目實施經驗，熟悉數據倉庫技術及方法論

熟練掌握SQL語言，包括復雜查詢、性能調優

熟練掌握ETL開發工具和技術

熟練掌握Microsoft Office軟體，包括Excel和PowerPoint中的各種統計圖形技術

善於將挖掘結果和客戶的業務管理相結合，根據數據挖掘的成果向客戶提供有價值的可行性操作方案

五、應用及就業領域

當前數據挖掘應用主要集中在電信(客戶分析)，零售(銷售預測)，農業(行業數據預測)，網路日誌(網頁定製)，銀行(客戶欺詐)，電力(客戶呼叫)，生物(基因)，天體(星體分類)，化工，醫葯等方面。

當前它能解決的問題典型在於：資料庫營銷(DatabaseMarketing)、客戶群體劃分(Customer Segmentation&Classification)、背景分析(Profile Analysis)、交叉銷售(Cross-selling)等市場分析行為，以及客戶流失性分析(ChurnAnalysis)、客戶信用記分(Credit Scoring)、欺詐發現(Fraud Detection)等等，在許多領域得到了成功的應用。如果你訪問著名的亞馬遜網上書店會發現當你選中一本書後，會出現相關的推薦數目「Customers who bought this book alsobought」，這背後就是數據挖掘技術在發揮作用。

數據挖掘的對象是某一專業領域中積累的數據；挖掘過程是一個人機交互、多次反復的過程；挖掘的結果要應用於該專業。因此數據挖掘的整個過程都離不開應用領域的專業知識。「Business First， techniquesecond」是數據挖掘的特點。因此學習數據挖掘不意味著丟棄原有專業知識和經驗。相反，有其它行業背景是從事數據挖掘的一大優勢。如有銷售，財務，機械，製造，call center等工作經驗的，通過學習數據挖掘，可以提升個人職業層次，在不改變原專業的情況下，從原來的事務型角色向分析型角色轉變。從80年代末的初露頭角到90年代末的廣泛應用，以數據挖掘為核心的商業智能(BI)已經成為IT及其它行業中的一個新寵。

重點介紹下對數據挖掘的幾個崗位

數據採集分析專員

職位介紹：數據採集分析專員的主要職責是把公司運營的數據收集起來，再從中挖掘出規律性的信息來指導公司的戰略方向。這個職位常被忽略，但相當重要。由於資料庫技術最先出現於計算機領域，同時計算機資料庫具有海量存儲、查找迅速、分析半自動化等特點，數據採集分析專員最先出現於計算機行業，後來隨著計算機應用的普及擴展到了各個行業。該職位一般提供給懂資料庫應用和具有一定統計分析能力的人。有計算機特長的統計專業人員，或學過數據挖掘的計算機專業人員都可以勝任此工作，不過最好能夠對所在行業的市場情況具有一定的了解。

求職建議：由於很多公司追求短期利益而不注重長期戰略的現狀，目前國內很多企業對此職位的重視程度不夠。但大型公司、外企對此職位的重視程度較高，隨著時間的推移該職位會有升溫的趨勢。另外，數據採集分析專員很容易獲得行業經驗，他們在分析過程中能夠很輕易地把握該行業的市場情況、客戶習慣、渠道分布等關鍵情況，因此如果想在某行創業，從數據採集分析專員干起是一個不錯的選擇。

市場/數據分析師

1、市場數據分析是現代市場營銷科學必不可少的關鍵環節： Marketing/Data Analyst從業最多的行業： DirectMarketing (直接面向客戶的市場營銷) 吧，自90年代以來，Direct Marketing越來越成為公司推銷其產品的主要手段。

根據加拿大市場營銷組織(CanadianMarketingAssociation)的統計數據： 僅1999年一年 Direct Marketing就創造了470000 個工作機會。從1999至2000，工作職位又增加了30000個。為什麼Direct Marketing需要這么多Analyst呢？ 舉個例子， 隨著商業競爭日益加劇，公司希望能最大限度的從廣告中得到銷售回報，他們希望能有更多的用戶來響應他們的廣告。所以他們就必需要在投放廣告之前做大量的市場分析工作。

例如，根據自己的產品結合目標市場顧客的家庭收入，教育背景和消費趨向分析出哪些地區的住戶或居民最有可能響應公司的銷售廣告，購買自己的產品或成為客戶，從而廣告只針對這些特定的客戶群。這樣有的放矢的篩選廣告的投放市場既節省開銷又提高了銷售回報率。但是所有的這些分析都是基於資料庫，通過數據處理，挖掘，建模得出的，其間，市場分析師的工作是必不可少的。

2、行業適應性強：幾乎所有的行業都會應用到數據， 所以作為一名數據/市場分析師不僅僅可以在華人傳統的IT行業就業，也可以在政府，銀行，零售，醫葯業，製造業和交通傳輸等領域服務。

演算法工程師

應該來說目前演算法工程師基本上都集中在中大型企業中，因為一般小公司很少用到演算法來解決問題，如果這公司就是做數據相關產業的。而演算法一般的應用場景有推薦、廣告、搜索等，所以大家常見的在廣告領域、個性化推薦方面是有不少的同仁。常見的要求是懂JAVA/PYTHON/R中其中一種，能夠知道常規的回歸、隨機森林、決策樹、GBDT等演算法，能夠有行業背景最佳等。如果是deep learning方向可能對圖論、畫像識別等方面要求更高些。

求職建議：background稍微好一些，再把一些基本的演算法都弄明白，能說清楚之間的區別和優缺點，包括常見的一些應用場景都有哪些。對於公司來說，特別是BAT這樣使用機器學習的公司，演算法工程師是很重要的一塊資產。

現狀與前景

數據挖掘是適應信息社會從海量的資料庫中提取信息的需要而產生的新學科。它是統計學、機器學習、資料庫、模式識別、人工智慧等學科的交叉。在中國各重點院校中都已經開了數據挖掘的課程或研究課題。比較著名的有中科院計算所、復旦大學、清華大學等。另外，政府機構和大型企業也開始重視這個領域。

據IDC對歐洲和北美62家採用了商務智能技術的企業的調查分析發現，這些企業的3年平均投資回報率為401%，其中25%的企業的投資回報率超過600%。調查結果還顯示，一個企業要想在復雜的環境中獲得成功，高層管理者必須能夠控制極其復雜的商業結構，若沒有詳實的事實和數據支持，是很難辦到的。因此，隨著數據挖掘技術的不斷改進和日益成熟，它必將被更多的用戶採用，使更多的管理者得到更多的商務智能。

根據IDC(InternationalDataCorporation)預測說2004年估計BI行業市場在140億美元。現在，隨著我國加入WTO，我國在許多領域，如金融、保險等領域將逐步對外開放，這就意味著許多企業將面臨來自國際大型跨國公司的巨大競爭壓力。國外發達國家各種企業採用商務智能的水平已經遠遠超過了我國。美國Palo Alto 管理集團公司1999年對歐洲、北美和日本375家大中型企業的商務智能技術的採用情況進行了調查。結果顯示，在金融領域，商務智能技術的應用水平已經達到或接近70%，在營銷領域也達到50%，並且在未來的3年中，各個應用領域對該技術的採納水平都將提高約50%。

現在，許多企業都把數據看成寶貴的財富，紛紛利用商務智能發現其中隱藏的信息，藉此獲得巨額的回報。國內暫時還沒有官方關於數據挖掘行業本身的市場統計分析報告，但是國內數據挖掘在各個行業都有一定的研究。據國外專家預測，在今後的5—10年內，隨著數據量的日益積累以及計算機的廣泛應用，數據挖掘將在中國形成一個產業。

眾所周知，IT就業市場競爭已經相當激烈，而數據處理的核心技術—數據挖掘更是得到了前所未有的重視。數據挖掘和商業智能技術位於整個企業IT-業務構架的金字塔塔尖，目前國內數據挖掘專業的人才培養體系尚不健全，人才市場上精通數據挖掘技術、商業智能的供應量極小，而另一方面企業、政府機構和和科研單位對此類人才的潛在需求量極大，供需缺口極大。如果能將數據挖掘技術與個人已有專業知識相結合，您必將開辟職業生涯的新天地！

職業薪酬

就目前來看，和大多IT業的職位一樣，數據挖掘方面的人才在國內的需求工作也是低端飽和，高端緊缺。從BAT的招聘情況來看，數據挖掘領域相對來說門檻還是比較高的，但是薪酬福利也相對來說比較好，常見的比如騰訊、阿里都會給到年薪20W+。而厲害的資深演算法專家年薪百萬也是常有的事情，所以大家在演算法方面還是大有可能。另外隨著金融越來越互聯網化，大量的演算法工程師會成為以後互聯網金融公司緊缺的人才。

大家共勉！

來自知乎

以上是小編為大家分享的關於學了數據挖掘之後能幹啥？的相關內容，更多信息可以關注環球青藤分享更多干貨

⑦ 本科學歷學大數據怎麼樣

本科學歷可以學大數據的，而且現在很多學校已經出現了大數據專業，因為IT時代版逐漸被DT時代權取代，用理性的數據分析代人工的經驗分析成為主流，數據分析人才的供給指數僅為0.05，屬於高度稀缺，大數據的發展前景是非常可觀的，現在轉型無疑是一種很好的選擇，我工作三年後在光環學的大數據，大數據本身是有點難度的，因為它包含的知識量比較廣，小白更是需要付出更多的時間精力投入學習。

⑧ 大數據本科好就業嗎

一、從工作崗位看

大數據開發方向: 所涉及的工作崗位為：大數據工程師、大數據維護工程師、大數據研製工程師、大數據架構師等;

數據挖掘、數據剖析和機器學習方向: 所涉及的工作崗位為：大數據剖析師、大數據高級工程師、大數據剖析師專家、大數據挖掘師、大數據演算法師等;

大數據運維和雲核算方向: 對應崗位：大數據運維工程師;

從以上三個方向以及所對應的崗位來看，大數據的崗位類型多，能夠從事許多崗位，關於人才的掩蓋面廣，所以不管是什麼樣的性情或許擅長什麼東西，大數據崗位基本上能夠滿足不同人才。

二、從學歷上看

本科達到了大數據企業的門檻要求，一般企業對大數據方面的工作者的學歷要求是大專，關於一般的像大數據剖析師，大數據工程師等等這些崗位，他們不像人工智慧那樣，對專業僅僅水平的要求非常高需要研究生以上學歷，所以，關於本科畢業的同學來講，工作優勢會比專科同學好許多，當然工作幾率和方式也會好許多。

三、從開展前景看

跟著大數據技術的不斷開展和有效使用，不管是為國家仍是企業以及是個人都發明了一定的價值，並且從大數據職業技術使用的總體來看，大數據在商業、金融、物流和零售等職業的使用已經都得到了很好的使用並且效果顯著，在醫療、教育和體育等其它職業的使用也在逐步的推動之中。

⑨ 本科生不考研，通過自學，可以從事數據挖掘嗎

考慮你是非重點本科，方向又非偏數理理論，如果沒有突出成就的話版，直接去找一份數據挖掘的權工作會很難。做數據挖掘需要有非常好的數學基礎，特別是在概率論、隨機過程、離散數學等方面。
數據挖掘一般在有大數據量的大公司才有相關職位。在不考研的前提下，可以去大公司先找一份和你方向相關的工作，然後慢慢自學，積累經驗，通過公司內部調動，爭取換到數據挖掘的組。
自學時間長短和你的基礎有關，建議先看看（美）Jiawei Han 的數據挖掘：概念與技術（原書第3版）這本數據挖掘經典教程，看看基礎哪裡差。如果你數學基礎很好的話，學習會相對比較快一些。
數據挖掘前景很好。目前大數據的時代已經到來，未來在網路上的數據會越來越多，如何從數據中找出有用的信息是非常重要的。如果學好數據挖掘，找一份收入不錯的工作是不成問題的。

⑩ 生物信息學本科生轉到互聯網數據挖掘領域是否可行

十年前你聽說過「21世紀是生命科學的世紀」嗎？最近兩年你聽說過「大數據時未來核心」嗎？你是不是想追著浪潮一浪一浪的跑呢？那你就註定是萬年post doc，什麼好處都分不到。
做自己想做、愛做的事情吧，不管以後怎麼樣，至少不會後悔。追著別人定義的泡沫走，永遠都像中國股民一樣只有踩空的機會。

生物信息（廣義）是一門非常有趣和具有前景的學科。從學術方面來說，目前具有專業現代生物知識，較深度的數學，統計，和計算機編程，理論基礎的學生還是比較少的，如果對學術方面有深刻的追求，我覺得生物信息或者計算生物，是一門非常值得投入的學科。它作為交叉學科，本身具有一定的廣度和深度，吸引了來自很多領域的人才，又是一門還算新興的學科，各方面都有深入的潛能。在工業上，也算是屬於發展階段，但是入行的門檻較高。

研究這邊，分子生物學發展到現在，必要的工具都齊全了，感覺未來會有井噴式的發現。用計算的思維來搞基因組蛋白組學，也是很靠譜的。系統生物學的未來發展都在這里了。
而且現在國內外搞基因研究的公司層出不窮，大家都開始圈地了，以後真要找工作也不愁沒地方去。當然好多搞生科的同學比較羨慕搞計算機的。