资源总结——七步学习数据挖掘与数据科学

落日映苍穹つ 2022-06-12 05:48 182阅读 0赞

[原文链接][Link 1]

摘要： 本文概述了学习数据挖掘与数据科学的七个步骤，每一步都给出了详细的学习资源，便于初学者按照指南开展数据挖掘与数据科学的学习。

首发地址：[https://yq.aliyun.com/articles/68449][https_yq.aliyun.com_articles_68449]

想知道如何学习数据挖掘和数据科学吗？本文概述了七个步骤，指出的资源能让你成为一名数据科学家。

作者为Gregory Piatetsky，是一名数据挖掘与数据科学方面的专家。

![208d17688bcff0df08dbd8d6fab25db9d0cf32bf][]

以下为7个步骤用于学习数据挖掘和数据科学。虽然有编号顺序，你也可以并行或以不同的顺序学习：

1 语音：学习R、Python以及SQL语音；

2 工具：了解如何使用数据挖掘和可视化工具；

3 教材：阅读介绍性的教科书，了解基础知识；

4 教育：观看网络研讨会，参加课程，考虑获得数据科学中的证书或学位；

5 数据：检查可用的数据资源并在那里找到东西；

6 竞赛：参加数据挖掘竞赛；

7 通过社交网络，团体和会议与其他数据科学家交流；

另外，不要忘记订阅[KDnuggets][]新闻邮件，并跟随@kdnuggets了解关于分析、大数据、数据挖掘和数据科学的最新消息。

交互使用数据挖掘与数据科学——见我的[分析行业概览][Link 2]报告，报告中有关于相关术语的演变和普及，比如统计、知识发现、数据挖掘、预测分析、数据科学以及大数据。

1 学习语言

民意调查表明，[数据挖掘最流行的语言][Link 3]是R，Python和SQL语言。

这里有很多的资源，比如：

[免费电子书资源关于R语音的数据科学][R]；

[Python数据科学入门][Python]；

[Python数据分析][Python 1]：现实世界数据的灵活工具；

[不可或缺的Python：数据源到数据科学][Python 2]；

[W3学校学习SQL][W3_SQL]；

2 工具：数据挖掘，数据科学和可视化软件

许多的数据挖掘工具应用于不同的任务，但最好是使用支持数据分析的整个过程的数据挖掘套件。

你可以使用开源（免费）的工具，如启动[KNIME][]，[RapidMiner][]和[Weka][]。

然而，对于许多分析工作还需要知道[SAS][]，它是全球领先的商业工具并得到广泛应用。

其他受欢迎的[分析和数据挖掘软件][Link 4]包括MATLAB、StatSoft推出STATISTICA，Microsoft SQL Server、IBM SPSS Modeler以及Rattle。

可视化是任何数据分析的重要组成部分——学习如何使用Microsoft Excel，[R graphics][]，以及[Tableau ][Tableau]。其它好的可视化工具包括TIBCO Spotfire和Miner3D。

3教材

网络上有很多的[数据挖掘和数据科学教材][Link 5]，但你可以参考以下这些：

[数据挖掘与分析：基本概念与算法][Link 6]

[数据挖掘：机器学习工具实践与方法][Link 7]

[统计学习、数据挖掘以及预测的要素][Link 8]

[LION书籍：学习与智能优化][LION]

[大数据集挖掘][Link 9]

[StatSoft推出的电子统计教材][StatSoft]

4 教育：网络研讨会、课程、证书以及学位

可以通过观看一些许多免费的关于数据分析、大数据，数据挖掘和数据科学的网[络研讨会和网络直播][Link 10]开始学习。

也有许多短期和长期的在线课程，其中许多是免费的\-[见KDnuggets在线教育目录][KDnuggets 1]。

特别参考以下课程：

[机器学习][Link 11]

[从数据中学习][Link 12]

[开放式在线学习应用数据科学][Link 13]

[使用Weka进行数据挖掘][Weka 1]

[本文作者的数据挖掘课程][Link 14]

最后，考虑获得关于[数据挖掘和数据科学的证书][Link 15]或高级学位，如MS-见[KDnuggets关于分析、数据挖掘和数据科学教育的目录][KDnuggets 1]。

5 数据

你需要数据进行分析\-见[KDnuggets关于数据挖掘的目录][KDnuggets 1]，包含：

[政府、联邦、州、城市、本地和公共数据站点和门户][Link 16]

[数据API、集线器、商场、平台、门户和搜索引擎][API]

[免费公共数据集][Link 17]

6 竞争

再一次强调，最好是边学边做，所以在学习的同时也可以参加[Kaggle竞赛][Kaggle] -从初学者竞赛开始，比如[使用机器学习预测泰坦尼克号生存][Link 18]。

7 交流：会议、团体和社交网络

你可以加入许多同类团体\-见[关于分析、大数据，数据挖掘以及数据科学前30的 LinkedIn组织][30_LinkedIn]。

[AnalyticBridge][]是一个分析和数据科学活跃的社区。

你也可以参加一些关于[分析、大数据、数据挖掘、数据科学与知识发现的会议和研讨会][Link 19]。

此外，考虑加入[ACM SIGKDD][]，它会举办一年一度的KDD大会——该领域领先的研究会议。

更多……

还可以参考其它的回答：

[如何开始学习数据科学][Link 20]

[关于数据科学的使用简介][Link 21]

[通过Metromap课程成为一名数据科学家][Metromap]

[获取免费数据科学教育][Link 22]

本文由北邮[@爱可可\-爱生活][-] 老师推荐，[阿里云云栖社区][Link 23]组织翻译。

文章原标题《7 Steps for Learning Data Mining and Data Science》，作者：Gregory Piatetsky，译者：海棠

## 文章为简译，更为详细的内容，请查看[原文][Link 24] ##

本文由用户为个人学习及研究之目的自行翻译发表，如发现侵犯原作者的版权，请与社区联系处理yqgroup@service.aliyun.com

![Center][]

[原文链接][Link 1]

[Link 1]: http://click.aliyun.com/m/26066/
[https_yq.aliyun.com_articles_68449]: https://yq.aliyun.com/articles/68449
[208d17688bcff0df08dbd8d6fab25db9d0cf32bf]: /images/20220612/613efc5cbb634d5fba6a127ccada10a4.png
[KDnuggets]: http://www.kdnuggets.com/news/subscribe.html
[Link 2]: http://www.slideshare.net/gpiatetskyshapiro/analytics-and-data-mining-industry-overview
[Link 3]: http://www.kdnuggets.com/2013/08/languages-for-analytics-data-mining-data-science.html
[R]: http://www.kdnuggets.com/2013/02/free-e-book-on-data-science-with-r.html
[Python]: https://www.kaggle.com/wiki/GettingStartedWithPythonForDataScience
[Python 1]: http://shop.oreilly.com/product/0636920023784.do
[Python 2]: http://www.datasciencecentral.com/profiles/blogs/an-indispensable-python-data-sourcing-to-data-science
[W3_SQL]: http://www.w3schools.com/sql/
[KNIME]: http://www.knime.org/
[RapidMiner]: http://rapid-i.com/content/view/181/190/
[Weka]: http://www.cs.waikato.ac.nz/ml/weka/
[SAS]: http://www.sas.com/
[Link 4]: http://www.kdnuggets.com/polls/2013/analytics-big-data-mining-data-science-software.html
[R graphics]: http://cran.r-project.org/web/views/Graphics.html
[Tableau]: http://www.tableau.com/
[Link 5]: http://www.kdnuggets.com/publications/books.html
[Link 6]: http://www.kdnuggets.com/2013/09/data-mining-analysis-fundamental-concepts-algorithms-download-pdf-draft.html
[Link 7]: http://www.cs.waikato.ac.nz/ml/weka/book.html
[Link 8]: http://www-stat.stanford.edu/~tibs/ElemStatLearn/
[LION]: http://www.lionsolver.com/LIONbook/
[Link 9]: http://www.kdnuggets.com/2012/08/mining-massive-datasets-book-revised.html
[StatSoft]: http://www.statsoft.com/textbook/
[Link 10]: http://www.kdnuggets.com/webcasts/index.html
[KDnuggets 1]: http://www.kdnuggets.com/education/index.html
[Link 11]: https://www.coursera.org/course/ml
[Link 12]: http://www.kdnuggets.com/2013/09/edx-learning-from-data-free-online-course.html
[Link 13]: http://ischool.syr.edu/future/cas/datascience.aspx
[Weka 1]: https://weka.waikato.ac.nz/
[Link 14]: http://www.kdnuggets.com/data_mining_course/index.html
[Link 15]: http://www.kdnuggets.com/education/analytics-data-mining-certificates.html
[Link 16]: http://www.kdnuggets.com/datasets/government-local-public.html
[API]: http://www.kdnuggets.com/datasets/api-hub-marketplace-platform.html
[Link 17]: http://www.kdnuggets.com/2011/02/free-public-datasets.html
[Kaggle]: http://www.kaggle.com/
[Link 18]: http://www.kdnuggets.com/2012/10/beginner-competition-titanic-survival-via-machine-learning.html
[30_LinkedIn]: http://www.kdnuggets.com/2013/04/top-30-linkedin-groups-analytics-big-data-data-mining-data-science.html
[AnalyticBridge]: http://www.analyticbridge.com/
[Link 19]: http://www.kdnuggets.com/meetings/index.html
[ACM SIGKDD]: http://www.sigkdd.org/
[Link 20]: http://hortonworks.com/blog/how-to-get-started-in-data-science/
[Link 21]: http://blog.zipfianacademy.com/post/46864003608/a-practical-intro-to-data-science
[Metromap]: http://nirvacana.com/thoughts/becoming-a-data-scientist/
[Link 22]: http://inside-bigdata.com/2013/09/19/getting-free-data-science-education/
[-]: http://weibo.com/fly51fly
[Link 23]: http://weibo.com/taobaodeveloperclub
[Link 24]: http://www.kdnuggets.com/2013/10/7-steps-learning-data-mining-data-science.html
[Center]: /images/20220612/2576c880abd847d39fa01f23b8ef8d92.png