① 如何自學數據挖掘
數據挖掘方向很多：比如說有做文本類數據挖掘，有做生物信息挖掘等等
學的東西更加多：首先是入門：這個我強烈推薦斯坦福大學的機器學習，網易公開課有。然後是數學：概率論，線性代數，關於統計學上的東西要學的不錯。還有就是英語：最好能看懂文獻，因為數據挖掘國外做的好，所以要看很多的論文。
軟體：開源的有weka，還有spss，我覺得軟體是其次。等樓主有了一定的基礎才曉得為什麼軟體這么去分析，現在可以不考慮。
至於畢業後的去向：就我了解，比如騰訊之類的互聯網公司對於數據挖掘人才還是很有需要的。主要是現在是數據時代，大數據通過互聯網可以輕易得到。
② 想自學數據挖掘需要什麼基礎
我先介紹下我自己，我不是搞純數學專業的，我是REDHAT LINUX「紅帽子」公司的資深系統級工程師。我也做過數據挖掘方面的工作！為一個在甲骨文的朋友搞一些數據方面的工作。所以為了應付我也大概突擊了下，才發現這門學科有竅門！
首先，我要說的是我覺得你是一名在校大學生！Data Mining不是你想的那麼簡單，他不單單和數學有關系，還包括了計算機領域的諸多學科。還有社會工程學、邏輯學等文科和理科的交叉學科！他是一門龐大的體系。你要是真想學我只能給你指條比較快的成才之路，後面的東西自己慢慢學都趕趟！慢慢充實自己！大學四年好好利用！學無止境！
既然是數據分析那你的高等數學必須要過硬，別著急這只是你的其他學科的基礎課。其次是概率與統計，這才是正科，大學那點玩意就是糊弄人的，你要多看這方面的書。這個一定要學好！線性必須要會要精通。因為數據劃分是數據挖掘里最重要的一個環節。這個就是線性范疇里的了。也要精通，學會線性分析你就發現你就學會了很多。數學有這三個底子就可以了。數學分析不要看了。因為那隻是高數的延伸！
計算機你一定要懂。資料庫你必須得學會。三大資料庫ORACLE.SQL.MYSQL原理基本類似觸類旁通！
還有就是培養你的思維，盡量縝密敏捷。這樣才可以發現數據中的不同！因為有的數據挖掘是計算機處理的。有的則是紙面上的。所以必須學會記錄
好了，就先這么多了。你學會了這幾個就是你進軍下一步的基礎，這幾個就夠你學一陣子的了。
祝你好運哥們！
③ 零基礎打算自學數據挖掘和數據分析
Data Mining不是你想的那麼簡單，他不單單和數學有關系，還包括了計算機領域的諸多學科。還有社會工程學、邏輯學等文科和理科的交叉學科！他是一門龐大的體系。你要是真想學我只能給你指條比較快的成才之路，後面的東西自己慢慢學都趕趟！慢慢充實自己！大學四年好好利用！學無止境！
既然是數據分析那你的高等數學必須要過硬，別著急這只是你的其他學科的基礎課。其次是概率與統計，這才是正科，大學那點玩意就是糊弄人的，你要多看這方面的書。這個一定要學好！線性必須要會要精通。因為數據劃分是數據挖掘里最重要的一個環節。這個就是線性范疇里的了。也要精通，學會線性分析你就發現你就學會了很多。數學有這三個底子就可以了。數學分析不要看了。因為那隻是高數的延伸！
計算機你一定要懂。資料庫你必須得學會。三大資料庫ORACLE.SQL.MYSQL原理基本類似觸類旁通！
還有就是培養你的思維，盡量縝密敏捷。這樣才可以發現數據中的不同！因為有的數據挖掘是計算機處理的。有的則是紙面上的。所以必須學會記錄
好了，就先這么多了。你學會了這幾個就是你進軍下一步的基礎，這幾個就夠你學一陣子的了。
祝你好運哥們！
④ 零基礎學數據挖掘應該怎麼入門
初級數據分析師需要掌握的技能有：統計學基礎、Python語言、網頁分析、資料庫技術、常用模型理論、數據分析入門並不難，難的是之後的積累才是重點，如何在實際工作、項目中真正發揮數據分析的作用，產生價值。
數據分析師要具備六種核心能力：
1.基礎科學的能力
可以說，在數據決策的時代，數據分析幾乎滲透到企業的每個業務環節中。掌握統計學，才能知道每一種數據分析的模型，什麼樣的輸入，什麼樣的輸出，有什麼樣的作用。
2.使用分析工具的能力
任何數據分析師從事業務方向的工作都必須會統計學，統計學的學習最好輔助SPSS或其他SAS來學，做到數據分析基本功扎實，兼顧實戰性。學習中，要掌握SQL的基礎語法、中級語法和常用函數，結合關系資料庫系統來學習SQL語句。
3.掌握編程語言的能力
Python主要掌握基礎語法，pandas操作、numpy操作、sklearn建模，學會用python編寫網路爬蟲爬取數據等等。
4.邏輯思維的能力
邏輯思維對於數據分析來說特別重要。反映商業數據里，大家可以理解為去搭建商業框架或者說是故事線，有邏輯的推進，結果才會另人信服。
5.數據可視化的能力
有了Python的基礎，就可以學習數據可視化了。運營和產品都需要學習可視化，Python中可視化的工具有matplotlib,seaborn,ploltly;
6.模型評估的能力
Model建模，知道模型建好後應該怎樣去評估，掌握怎樣用一些定量的指標，數據、數值來衡量模型建好後到底有多准確，或者說到底有多錯誤。模型評估的指標或計算方式選擇正確與否，能夠直接影響到整個項目獲模型是否有效。
想要了解更多關於數據挖掘的問題可以到CDA認證中心咨詢一下，CDA是大數據和人工智慧時代面向國際范圍全行業的數據分析專業人才職業簡稱，具體指在互聯網、金融、咨詢、電信、零售、醫療、旅遊等行業專門從事數據的採集、清洗、處理、分析並能製作業務報告、提供決策的新型數據人才。
⑤ 學習數據分析需要哪些基礎
數據分析這個崗位可以說很寬泛很雜，從數據錄入員到行業分析師科學家都可以認為是數據分析，甚至一些搞數據挖掘、人工智慧的都可以包括到數據分析的范疇里，但是這些工作所做的事情卻相差甚遠，當然待遇也天壤之別。所以大家在應聘時不要只看崗位名稱，重要的是看看清崗位職責和要求。言歸正傳，咱們談談如何學習數據分析。
1、學科知識：從數據分析涉及到的專業知識點上看，主要是這些：
（1）統計學：參數檢驗、非參檢驗、回歸分析等
（2）數學：線性代數、微積分等
（3）社會學：主要是一些社會學量化統計的知識，如問卷調查與統計分析；還有就是一些社會學的知識，這些對於從事營銷類的數據分析人員比較有幫助
（4）經濟金融：如果是從事這個行業的數據分析人員，經濟金融知識是必須的，這里就不多說了
（5）計算機：從事數據分析工作的人必須了解你使用的數據是怎麼處理出來的，要了解資料庫的結構和基本原理，同時如果條件充足的話，你還能有足夠的能力從資料庫里提取你需要的數據（比如使用SQL進行查詢），這種提取數據分析原材料的能力是每個數據從業者必備的。此外，如果要想走的更遠，還要能掌握一些編程能力，從而借住一些專業的數據分析工具，幫助你完成工作。
……
好好學習，雖然累，但是要堅持！
2、軟體相關：從事數據分析方面的工作必備的工具是什麼
（1）數據分析報告類：Microsoft Office軟體、水晶易表等，如果連excel表格基本的處理操作都不會，連PPT報告都不會做，那我只好說離數據分析的崗位還差的很遠。現在的數據呈現不再單單只是表格的形式，而是更多需要以可視化圖表去展示你的數據結果，因為數據可視化軟體就不能少，BDP個人版、TABLUEA、Echart等這些必備的，就看你自己怎麼選了。
（2）專業數據分析軟體：Office並不是全部，要從在數據分析方面做的比較好，你必須會用（至少要了解）一些比較常用的專業數據分析軟體工具，比如SPSS、SAS、Matlab等等，這些軟體可以很好地幫助我們完成專業性的演算法或模型分析，還有高級的python、R等。
（3）資料庫：hive、hadoop、impala等資料庫相關的知識可以學習；
（3）輔助工具：比如思維導圖軟體（如MindManager、MindNode Pro等）也可以很好地幫助我們整理分析思路。
最重要的是：理論知識+軟體工具=數據分析基礎，最後要把這些數據分析基礎運用到實際的工作業務中，好好理解業務邏輯，真正用數據分析驅動網站運營、業務管理，真正發揮數據的價值
⑥ 數據挖掘應該如何自學
LS對數據挖掘不了解，這方面的基本理論已經比較成熟了，應用也很多，基本演算法和工具也比較充分，只不過和機器學習方面的結合還有很多的突破點
對於數據挖掘來說，統計是基礎，但並沒有機器學習應用得那麼多
LZ看你想研究數據挖掘的方向和深度是什麼了，建議先看看《數據挖掘導論》和《數據挖掘：概念與技術》這兩本經典的入門書籍，然後再找一些實際的問題自己嘗試一下，不過關鍵還是方向吧，數據挖掘的每個方向都有很深的內涵，找准自己的需要是最重要的
⑦ 學習數據挖掘知識圖譜需要哪些知識基礎
看看演算法、語義相關的
比如分類、聚類、相似度等演算法
⑧ 數據挖掘需要哪些基礎
人工智慧、機器學習、模式識別、統計學、資料庫、可視化技術等。
數據挖掘從資料庫的大量數據中揭示出隱含的、先前未知的並有潛在價值的信息，數據挖掘主要基於人工智慧、機器學習、模式識別、統計學、資料庫、可視化技術等，高度自動化地分析企業的數據;
作出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，作出正確的決策。
⑨ 學習web數據挖掘需要哪些基礎
數據挖掘的起點很高——
1、統計學
2、機器學習
3、數學——圖論，最優化理論等。
WEB上的數據結構更加復雜。
python語言————應該學習
⑩ 要學數據挖掘需要哪些基礎
人工智慧、機器學習、模式識別、統計學、資料庫、可視化技術等。
數據挖掘從資料庫的大量數據中揭示出隱含的、先前未知的並有潛在價值的信息，數據挖掘主要基於人工智慧、機器學習、模式識別、統計學、資料庫、可視化技術等，高度自動化地分析企業的數據；
作出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，作出正確的決策。
(10)自學數據挖掘需要哪些基礎擴展閱讀
數據挖掘起源於「情報深加工」，前身為「知識發現」，其實質就是找尋出數據背後的「故事」。用好數據挖掘技術，就能破除信息化戰場的「數據迷霧」，從而發現數字背後的奧秘，從戰略、戰役、戰術各個層面准確掌握戰場態勢及對手作戰特點。
信息化戰爭中，軍事決策的正確、及時與否，直接決定戰爭行動的成敗。數據挖掘技術的出現，可以幫助軍事決策人員從海量戰場數據中分析獲取有價值信息，進而為作戰籌劃等軍事決策提供有力支撐。
藉助專家系統、遺傳演算法，可高效完成兵力區分、戰術編組、隊形配置等決策；藉助關聯演算法、統計決策，可准確預判敵人的行動路線，對重要目標實施保護；藉助「決策樹」方法、人工神經網路以及可視化技術等，可進行目標火力分配。
數據挖掘還可以進行戰場環境分析，實現戰場態勢的精確感知，為指揮員提供更加清晰的戰場態勢顯示。