数据挖掘教材本科生

Ⅰ 数据挖掘：概念与技术（原书第3版）

书不错，买得值!从小我就喜欢读书，喜欢看数据方面的书。《》完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技 术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领 域。《》是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。《》完整全面地讲述数据挖掘的概念、方法、技术和最新研究进展。本书对前两版做了全面修订，加强和重新组织了全书的技 术内容，重点论述了数据预处理、频繁模式挖掘、分类和聚类等的内容，还全面讲述了OLAP和离群点检测，并研讨了挖掘网络、复杂数据类型以及重要应用领 域。《》是数据挖掘和知识发现领域内的所有教师、研究人员、开发人员和用户都必读的参考书，是一本适用于数据分析、数据挖掘和知识发现课程的优秀教材，可以用做高年级本科生或者一年级研究生的数据挖掘导论教材。

Ⅱ 攻读数据挖掘方向的研究生需要本科学习过哪些课程

就学基础的计算机课程即可，因为研究生的时候还会开设一些有关数据挖掘的课程。

Ⅲ 数据挖掘，数据分析有人知道大学本科有类似这样的专业吗我想入门学习，可能研究生学习，但不知道他属于

本科没有对应专业
涉及到的专业知识主要是数学（尤其是分析和代数）、统计和计算机应用技术（算法、数据结构等等）
最贴近的大概也许是统计吧，因为统计分析和数据分析在目的上比较接近，虽然思路不同。而且统计的很多知识对机器学习和数据挖掘的算法是基础

Ⅳ 本科生不考研，通过自学，可以从事数据挖掘吗

考虑你是非重点本科，方向又非偏数理理论，如果没有突出成就的话版，直接去找一份数据挖掘的权工作会很难。做数据挖掘需要有非常好的数学基础，特别是在概率论、随机过程、离散数学等方面。
数据挖掘一般在有大数据量的大公司才有相关职位。在不考研的前提下，可以去大公司先找一份和你方向相关的工作，然后慢慢自学，积累经验，通过公司内部调动，争取换到数据挖掘的组。
自学时间长短和你的基础有关，建议先看看（美）Jiawei Han 的数据挖掘：概念与技术（原书第3版）这本数据挖掘经典教程，看看基础哪里差。如果你数学基础很好的话，学习会相对比较快一些。
数据挖掘前景很好。目前大数据的时代已经到来，未来在网络上的数据会越来越多，如何从数据中找出有用的信息是非常重要的。如果学好数据挖掘，找一份收入不错的工作是不成问题的。

Ⅳ 高分急求：985院校本科生想毕业做数据挖掘可以吗

现在抄数据挖掘都要以机器学习的算袭法做基础，建议你选修或者直接自学stanford大学的机器学习课程，一方面更好的巩固数据挖掘的基础；另一方面，机器学习现在比较热门，可以增加的的简历分。
还有就是，找工作和学习不一样，个人认为，你要多看MS，google的面试题、笔试题，其实即使你进公司以后做数据挖掘，面试和笔试考试题目也不是这些专向类的东西，越大的公司试题越灵活，越基础。
最后，多增加点intern经验吧，我现在研一了，也是计算机专业，其实大公司更喜欢一个有丰富实习经验的人，不管什么经验都好。不一定非是专业实习，但是最好到相关的领域名气大点的公司。
最后，祝成功吧，我现在就是研究数据挖掘方向，有什么问题可以再一起探讨。

Ⅵ 本科生怎样通过努力拿到较好的机器学习/数据挖掘相关的offer

实话实说，换位思考一下，用人单位是希望能够招到人拉解决问题的，所以说到底还是要修炼自己“通过机器学习的工具，能解决问题”的能力。
有了这个方向后，可以分2部走。
第一步，就是搞清楚机器学习的工具，包括原理是什么，怎么用，至少要把你看的书的例子全做一遍，确保面试时让你现场解决问题时，你不会当场卡壳。
第二步，就是在第一步的基础上，多针对性的找实习机会。我这里说的针对性，就是要让你排除诱惑，别其他的实习机会就把你给带跑了，结果时间花了但没有对数据挖掘有半点帮助。实习的目的，主要是希望你能了解到用人单位会有哪些数据挖掘的需求，实战中的场景和课本中的场景有哪些不同，有那些坑要躲，这些经验是很宝贵的。如果跑去站柜台卖洗头水，那建议这种实习机会就排后吧，除非你现在很需要钱解决燃眉之急。
有了以上两步的基础后，你去面试的成功率就会很高。因为你的谈吐会更有底气，你的实习经历也能让你在面试时现场实操时有条不紊。

Ⅶ 本科生出来做机器学习，数据挖掘的工作会比研究生差很多吗

1、如果是同专业的本科生和同专业的研究生对比的话，一般情况下，我说的是一般情况，研究生还是有优势的。优势在哪里，就在对工具的应用、对理论的了解要更深入的多。如果是博士研究生的话，那更是钻研的深，连本科里面的很多公式都必须要推导的出来，能用代码全部实现。而且研究生经常是泡课题，而课题却经常是项目式的，很接地气，来自于实战。
2、如果是和机器学习对口专业度都不高的本科和研究生作比较，就不好说了。被碾压和完胜，或者逆袭的场景我都见过，某些算法及其应用领域我自己也逆袭过数学博士。本人金融学硕士，但是数据挖掘中时间序列、聚类分析、主成分分析从原理到应用我的钻研深度不亚于人家博士。就是因为本人工作经验比对方要多，数据的业务本质理解比对方要深。所以方法工具的理解和使用有很多实战经验来支撑。

Ⅷ 2017年本科毕业，从事数据挖掘的工作，想学习跟工作相关的在职研究生，请问有合适的推荐吗

目前开设的大数据的好像是中科院心理所，那边是大数据还添加了用户体验的课程，课程内容非常全面，而且非常实用，具体的内容好像有数据挖掘导论，大数据管理，等等课程，我是有朋友在那里学习，你可以自己看看去。

Ⅸ 机器学习，数据挖掘的书有哪些

《机器学习实战》：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。
《数据挖掘-实用机器学习技术》：本书介绍数据挖掘的基本理论与实践方法。主要内容包括：各种模型(决策树，关联规则、线性模型、聚类、贝叶斯网以及神经网络)以及在实践中的运用，所存任缺陷的分析。安全地清理数据集、建立以及评估模型的预测质量的方法，并且提供了一个公开的数据挖掘工作平台Weka。Weka系统拥有进行数据挖掘仟务的图形用户界面，有助于理解模型，是一个实用并且深受欢迎的工具。
《数据挖掘：概念与技术》：本书全面地讲述数据挖掘领域的重要知识和技术创新。在第1版内容相当全面的基础上，第2版展示了该领域的最新研究成果，例如挖掘流、时序和序列数据以及挖掘时间空间、多媒体、文本和Web数据。本书可作为数据挖掘和知识发现领域的教师、研究人员和开发人员的一本必读书。

Ⅹ 求助数理统计专业本科生学习数据挖掘合不合适

给几个建议，不一定对啊：
1: 首先数学建模的能力在初期用的很少，可能再你干了五年或十年之后比较有用
2：不比计算机专业的吃亏，反倒由于你是数学专业的在统计，以及算法方面会有帮助
3：至于“喜欢数学建模，我研究生学习数据挖掘有优势吗？”这个看个人对未来的发展怎样设计，总之如果你想在一到两年之内在事业上有很大突破，说白了就是赚很多钱，或者很有名，就不用了。再者数据挖掘的整个过程绝对谈不上很有趣，所以工作的乏味可想而知。另外由于国内的环境问题，整个软件业都没有很好的前景，更别提这么小众的数据挖掘了。如果你对这方面很有兴趣，建议有机会还是出国。不过如果你很有恒心毅力，对长期埋头苦干，没什么报酬很感兴趣倒是可以来试试。