资源总结——七步学习数据挖掘与数据科学

原文链接：http://click.aliyun.com/m/26066/
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



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；

Python数据科学入门；

Python数据分析：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；

W3学校学习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 。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，但你可以参考以下这些：

数据挖掘与分析：基本概念与算法

数据挖掘：机器学习工具实践与方法

统计学习、数据挖掘以及预测的要素

LION书籍：学习与智能优化

大数据集挖掘

StatSoft推出的电子统计教材

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。

特别参考以下课程：

机器学习

从数据中学习

开放式在线学习应用数据科学

使用Weka进行数据挖掘

本文作者的数据挖掘课程

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

5 数据

你需要数据进行分析-见KDnuggets关于数据挖掘的目录，包含：

政府、联邦、州、城市、本地和公共数据站点和门户

数据API、集线器、商场、平台、门户和搜索引擎

免费公共数据集

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 -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。

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。

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。

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

关于数据科学的使用简介

通过Metromap课程成为一名数据科学家

获取免费数据科学教育



本文由北邮@爱可可-爱生活 老师推荐，阿里云云栖社区组织翻译。



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
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[e-mail]
原文链接：http://click.aliyun.com/m/26066/