① 如何自学数据挖掘
数据挖掘方向很多：比如说有做文本类数据挖掘，有做生物信息挖掘等等
学的东西更加多：首先是入门：这个我强烈推荐斯坦福大学的机器学习，网易公开课有。然后是数学：概率论，线性代数，关于统计学上的东西要学的不错。还有就是英语：最好能看懂文献，因为数据挖掘国外做的好，所以要看很多的论文。
软件：开源的有weka，还有spss，我觉得软件是其次。等楼主有了一定的基础才晓得为什么软件这么去分析，现在可以不考虑。
至于毕业后的去向：就我了解，比如腾讯之类的互联网公司对于数据挖掘人才还是很有需要的。主要是现在是数据时代，大数据通过互联网可以轻易得到。
② 想自学数据挖掘需要什么基础
我先介绍下我自己，我不是搞纯数学专业的，我是REDHAT LINUX“红帽子”公司的资深系统级工程师。我也做过数据挖掘方面的工作！为一个在甲骨文的朋友搞一些数据方面的工作。所以为了应付我也大概突击了下，才发现这门学科有窍门！
首先，我要说的是我觉得你是一名在校大学生！Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。还有社会工程学、逻辑学等文科和理科的交叉学科！他是一门庞大的体系。你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟！慢慢充实自己！大学四年好好利用！学无止境！
既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。也要精通，学会线性分析你就发现你就学会了很多。数学有这三个底子就可以了。数学分析不要看了。因为那只是高数的延伸！
计算机你一定要懂。数据库你必须得学会。三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通！
还有就是培养你的思维，尽量缜密敏捷。这样才可以发现数据中的不同！因为有的数据挖掘是计算机处理的。有的则是纸面上的。所以必须学会记录
好了，就先这么多了。你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。
祝你好运哥们！
③ 零基础打算自学数据挖掘和数据分析
Data Mining不是你想的那么简单，他不单单和数学有关系，还包括了计算机领域的诸多学科。还有社会工程学、逻辑学等文科和理科的交叉学科！他是一门庞大的体系。你要是真想学我只能给你指条比较快的成才之路，后面的东西自己慢慢学都赶趟！慢慢充实自己！大学四年好好利用！学无止境！
既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。也要精通，学会线性分析你就发现你就学会了很多。数学有这三个底子就可以了。数学分析不要看了。因为那只是高数的延伸！
计算机你一定要懂。数据库你必须得学会。三大数据库ORACLE.SQL.MYSQL原理基本类似触类旁通！
还有就是培养你的思维，尽量缜密敏捷。这样才可以发现数据中的不同！因为有的数据挖掘是计算机处理的。有的则是纸面上的。所以必须学会记录
好了，就先这么多了。你学会了这几个就是你进军下一步的基础，这几个就够你学一阵子的了。
祝你好运哥们！
④ 零基础学数据挖掘应该怎么入门
初级数据分析师需要掌握的技能有：统计学基础、Python语言、网页分析、数据库技术、常用模型理论、数据分析入门并不难，难的是之后的积累才是重点，如何在实际工作、项目中真正发挥数据分析的作用，产生价值。
数据分析师要具备六种核心能力：
1.基础科学的能力
可以说，在数据决策的时代，数据分析几乎渗透到企业的每个业务环节中。掌握统计学，才能知道每一种数据分析的模型，什么样的输入，什么样的输出，有什么样的作用。
2.使用分析工具的能力
任何数据分析师从事业务方向的工作都必须会统计学，统计学的学习最好辅助SPSS或其他SAS来学，做到数据分析基本功扎实，兼顾实战性。学习中，要掌握SQL的基础语法、中级语法和常用函数，结合关系数据库系统来学习SQL语句。
3.掌握编程语言的能力
Python主要掌握基础语法，pandas操作、numpy操作、sklearn建模，学会用python编写网络爬虫爬取数据等等。
4.逻辑思维的能力
逻辑思维对于数据分析来说特别重要。反映商业数据里，大家可以理解为去搭建商业框架或者说是故事线，有逻辑的推进，结果才会另人信服。
5.数据可视化的能力
有了Python的基础，就可以学习数据可视化了。运营和产品都需要学习可视化，Python中可视化的工具有matplotlib,seaborn,ploltly;
6.模型评估的能力
Model建模，知道模型建好后应该怎样去评估，掌握怎样用一些定量的指标，数据、数值来衡量模型建好后到底有多准确，或者说到底有多错误。模型评估的指标或计算方式选择正确与否，能够直接影响到整个项目获模型是否有效。
想要了解更多关于数据挖掘的问题可以到CDA认证中心咨询一下，CDA是大数据和人工智能时代面向国际范围全行业的数据分析专业人才职业简称，具体指在互联网、金融、咨询、电信、零售、医疗、旅游等行业专门从事数据的采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据人才。
⑤ 学习数据分析需要哪些基础
数据分析这个岗位可以说很宽泛很杂，从数据录入员到行业分析师科学家都可以认为是数据分析，甚至一些搞数据挖掘、人工智能的都可以包括到数据分析的范畴里，但是这些工作所做的事情却相差甚远，当然待遇也天壤之别。所以大家在应聘时不要只看岗位名称，重要的是看看清岗位职责和要求。言归正传，咱们谈谈如何学习数据分析。
1、学科知识：从数据分析涉及到的专业知识点上看，主要是这些：
（1）统计学：参数检验、非参检验、回归分析等
（2）数学：线性代数、微积分等
（3）社会学：主要是一些社会学量化统计的知识，如问卷调查与统计分析；还有就是一些社会学的知识，这些对于从事营销类的数据分析人员比较有帮助
（4）经济金融：如果是从事这个行业的数据分析人员，经济金融知识是必须的，这里就不多说了
（5）计算机：从事数据分析工作的人必须了解你使用的数据是怎么处理出来的，要了解数据库的结构和基本原理，同时如果条件充足的话，你还能有足够的能力从数据库里提取你需要的数据（比如使用SQL进行查询），这种提取数据分析原材料的能力是每个数据从业者必备的。此外，如果要想走的更远，还要能掌握一些编程能力，从而借住一些专业的数据分析工具，帮助你完成工作。
……
好好学习，虽然累，但是要坚持！
2、软件相关：从事数据分析方面的工作必备的工具是什么
（1）数据分析报告类：Microsoft Office软件、水晶易表等，如果连excel表格基本的处理操作都不会，连PPT报告都不会做，那我只好说离数据分析的岗位还差的很远。现在的数据呈现不再单单只是表格的形式，而是更多需要以可视化图表去展示你的数据结果，因为数据可视化软件就不能少，BDP个人版、TABLUEA、Echart等这些必备的，就看你自己怎么选了。
（2）专业数据分析软件：Office并不是全部，要从在数据分析方面做的比较好，你必须会用（至少要了解）一些比较常用的专业数据分析软件工具，比如SPSS、SAS、Matlab等等，这些软件可以很好地帮助我们完成专业性的算法或模型分析，还有高级的python、R等。
（3）数据库：hive、hadoop、impala等数据库相关的知识可以学习；
（3）辅助工具：比如思维导图软件（如MindManager、MindNode Pro等）也可以很好地帮助我们整理分析思路。
最重要的是：理论知识+软件工具=数据分析基础，最后要把这些数据分析基础运用到实际的工作业务中，好好理解业务逻辑，真正用数据分析驱动网站运营、业务管理，真正发挥数据的价值
⑥ 数据挖掘应该如何自学
LS对数据挖掘不了解，这方面的基本理论已经比较成熟了，应用也很多，基本算法和工具也比较充分，只不过和机器学习方面的结合还有很多的突破点
对于数据挖掘来说，统计是基础，但并没有机器学习应用得那么多
LZ看你想研究数据挖掘的方向和深度是什么了，建议先看看《数据挖掘导论》和《数据挖掘：概念与技术》这两本经典的入门书籍，然后再找一些实际的问题自己尝试一下，不过关键还是方向吧，数据挖掘的每个方向都有很深的内涵，找准自己的需要是最重要的
⑦ 学习数据挖掘知识图谱需要哪些知识基础
看看算法、语义相关的
比如分类、聚类、相似度等算法
⑧ 数据挖掘需要哪些基础
人工智能、机器学习、模式识别、统计学、数据库、可视化技术等。
数据挖掘从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息，数据挖掘主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据;
作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策。
⑨ 学习web数据挖掘需要哪些基础
数据挖掘的起点很高——
1、统计学
2、机器学习
3、数学——图论，最优化理论等。
WEB上的数据结构更加复杂。
python语言————应该学习
⑩ 要学数据挖掘需要哪些基础
人工智能、机器学习、模式识别、统计学、数据库、可视化技术等。
数据挖掘从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息，数据挖掘主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据；
作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策。
(10)自学数据挖掘需要哪些基础扩展阅读
数据挖掘起源于“情报深加工”，前身为“知识发现”，其实质就是找寻出数据背后的“故事”。用好数据挖掘技术，就能破除信息化战场的“数据迷雾”，从而发现数字背后的奥秘，从战略、战役、战术各个层面准确掌握战场态势及对手作战特点。
信息化战争中，军事决策的正确、及时与否，直接决定战争行动的成败。数据挖掘技术的出现，可以帮助军事决策人员从海量战场数据中分析获取有价值信息，进而为作战筹划等军事决策提供有力支撑。
借助专家系统、遗传算法，可高效完成兵力区分、战术编组、队形配置等决策；借助关联算法、统计决策，可准确预判敌人的行动路线，对重要目标实施保护；借助“决策树”方法、人工神经网络以及可视化技术等，可进行目标火力分配。
数据挖掘还可以进行战场环境分析，实现战场态势的精确感知，为指挥员提供更加清晰的战场态势显示。