什么是数据挖掘？数据挖掘的时候到了。数据挖掘是由各种算法和规则总结而成的。概率论与数理统计推荐DavidFreedman版业务建模与数据挖掘入门数据挖掘SAS编程与数据挖掘业务案例克莱曼婷数据挖掘方法与应用Excel2007VBA参考书IBM PS statistics 19 StatisticalprocessCompanion等(2)。数据挖掘工程师需要了解主流机器学习算法的原理和应用。
数据挖掘的就业前景怎么样？
谢邀，在研究生阶段，人工智能原理是我的一门必修课，而数据挖掘属于人工智能的一个子领域，也算是比较新颖的一个专业。所以下面回答下这个问题。首先，要想知道数据挖掘，需要先知道什么是大数据，因为大数据时代的到来，使得数据挖掘成为一门必不可少的专业。什么是大数据大数据是指数据集数据的大小通常超出了常用的软件工具获取有效管理和处理的可承受范围的能力。
下面有一张图，可以很形象的看出来，地球上的数据量增长是多么惊人，2006年，全球一共新产生了约180EB的数据，到2020年，这个数据量将会增长44倍，达到35.2ZB1ZB=10亿TB！数据量大的惊人，在如此之大的数据浩瀚之中，提取发现有用的信息，普通的数据管理工具，根本无用武之地！什么是数据挖掘数据挖掘该上场了，数据挖掘就是通过各种算法，规则归纳AQ算法决策树ID3C4.5范例推理:CBR遗传算法:GA贝叶斯信念网络等各种关联规则，各种新型的数据挖掘工具，数据挖掘软件来从大数据海洋中提取需要的信息。
第一代数据挖掘软件为CBA，是新加坡国立大学研究。基于关联规则的分类算法，能从关系数据或者交易数据中挖掘关联规则，使用关联规则进行分类和预测。第二代数据挖掘软件DBMiner，与数据库管理系统DBMS集成，支持数据库和数据仓库，和它们具有高性能的接口，具有高的可扩展性，能够挖掘大数据集以及更复杂的数据集 。
第三代数据挖掘软件SPSS Clementine，和预言模型系统之间能够无缝的集成，使得由数据挖掘软件产生的模型的变化能够及时反映到预言模型系统中，由数据挖掘软件产生的预言模型能够自动地被操作型系统吸收，从而与操作型系统中的预言模型相联合提供决策支持的功能，能够挖掘网络环境下Internet/Extranet的分布式和高度异质的数据，并且能够有效地和操作型系统集成。
随着科技发展，数据挖掘工具也在更新换代，使得数据挖掘更加精确与简单。所以想告诉题主的是，随着人工智能随着大数据时代的到来，数据挖掘专业是一个很有就业前景的专业，但是这个专业又不是孤立的，它是一个工具，需要结合人工智能，机器学习，智能推荐系统等等领域才比较有学习价值！希望对你有用，要是对你有所启发，希望给个赞，点点关注呗！。
从零开始，如何学习数据挖掘？
这个问题思考了很久，作为过来人谈一谈，建议在看我这篇回答之前先去了解一下数据挖掘的概念和定义。在学习数据挖掘之前你应该明白几点数据挖掘目前在中国的尚未流行开，犹如屠龙之技。数据初期的准备通常占整个数据挖掘项目工作量的70%左右。 数据挖掘本身融合了统计学数据库和机器学习等学科，并不是新的技术。数据挖掘技术更适合业务人员学习相比技术人员学习业务来的更高效数据挖掘适用于传统的BI报表OLAP等无法支持的领域。
数据挖掘项目通常需要重复一些毫无技术含量的工作。如果你阅读了以上内容觉得可以接受，那么继续往下看。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。
学习技术的时候不要试图面面俱到，这样会失去核心竞争力。目前国内数据矿工的工作领域大致可以分为三类。1数据分析师用行业数据做商业咨询，商业智能，制作电子商务，金融，电信咨询等行业的分析报告。2数据挖掘工程师做多媒体电商搜索、社交网络等大数据相关行业的机器学习算法实现和分析。科研方向:大学科研机构、企业研究院等高层次科研机构新算法的效率提升和未来应用研究。
