知乎观点收集：关于机器学习和数据挖掘找工作

甲：数据挖掘 很多地方招聘还是挺喜欢这样专业的，但是前提是你得过笔试关。 为了笔试，学习C和数据结构 数据挖掘的时候学习算法和推理机制等，看看数据分析，神经网络之类。数据挖掘要学的东西很多。

乙:好的基础是必须的，数学、统计等学科要有功底；必须有良好的产品理解能力，不然你作的东西根就都是没用的；前途来说：现在一个一般的起薪15000。以后这东西的用途会更多。非常有用。

丙：你选模式识别吧。。。和你的大方向比较吻合。而且在搜索引擎应用也非常广泛，需求也比较大。 数据挖掘要学的东西很多，特别是数据库和数据仓库、数据清理这一块。而且以后使用的机会不多，很枯燥（我就是做数据挖掘的）。相当的郁闷，整天面对大量数据。因为数据挖掘大部分是一次性的得出结论（若干TB的数据也不是你想挖就挖的），大部分企业都找其他公司来做，很少有公司愿意自己搞个数据挖掘部门出来。 人工智能这个课题在国内其实并不好（我个人体会），适合做一些研究课题。找工作也不好找。国内闲散劳动力过剩，越自动化越加重失业率。你要从事这个行业的话最好还是争取出国去。

丁：机器学习与模式识别关系

推荐书目与资源

http://www.zhihu.com/question/19701325专家系统和数据挖掘需要先行学习哪些知识？

推荐一本书：Bishop,Pattern Recognition and Machine Learning 统计学和数值分析

http://www.zhihu.com/question/20018563 有哪些「数据挖掘」和「数据分析」方面的书籍值得推荐？

甲：数据挖掘方面的书有点杂乱，个人推荐 《数据挖掘概念与技术》， [加]JiaweiHan编写。这本书可以帮助你系统的了解一下数据挖掘技术，不是很深入。

如果想更深一步学习数据挖掘算法，应该多读一些机器学习方面的书籍，这方面的书籍有很多，可以根据自己的喜好选择几本看看，例如 《机器学习》，[美]Tom Mitchell编写。如果看到不懂的知识，应该以统计学书籍作为补充。

理论知识学好后，理论到实践就要借助工具了，根据实际需要解决的问题建好模型后，也就是编程coding的工作了。有一些数据挖掘工具，基于Java的Weka (这个也是出了书的 《Data Mining: Practical Machine Learning Tools and Techniques (Third Edition)》，Ian H. Witten等编著)，基于Python的Orange等等，这些也可以根据自己的需要做扩展。不过最灵活的还是自己熟练掌握几门编程语言，开始自己coding。效率高的话还是C/C++，做科研Python足够了，有丰富的库和社区支持。我也看到过很多用Matlab做数据挖掘的，还是那句话，编程语言只是工具，效率高不高也不是只取决于编程语言的选择。

乙：入门级的

《谁是菜鸟不会数据分析》 《深入浅出数据分析》

推荐看一下《集体智慧编程》这本书的，里面有很多机器学习的基础算法的解释，算是入门吧。

理论 《数据挖掘导论》

《数据挖掘：概念与技术》

《数据挖掘 实用机器学习工具与技术》

关注算法的 《机器学习》 毕竟数据挖掘中好多算法都是来自于机器学习的。

《》

应用 《啤酒与尿布》

《社交网站的数据挖掘与分析》

丁：我觉得还是 “曲线救国”吧，比如搞hadoop运维神马的，了解下ML技术就行；

如果你对数学能力够自信，也可尝试深入ML理论。 很多ML书籍，都只是在讲2000年以前的机器学习。 2000以后的有 kernel learning/simi-surpervised learning/transfer -learning/maniflod learning/sparse /deep learning等。

我感觉ML一般来说只是在谈方法，学习过程中应该用到实处，比如计算机视觉/数据挖掘/计算广告等。

国内做数据挖掘/机器学习的人是什么样的工作状态？http://www.zhihu.com/question/21511226

1. 遇到实际问题->找解决方法（各种看论文等）->实现demo->小规模线下实验->线上实验->全流量 2. 快速跟进，结合自己业务仔细分析，去除水分（学界paper一般多少有水分，或者不明确的地方，需要继续调研）。吸收进自己的系统中来。 3. 一般是促进作用吧 4. 没有特别的说法，看团队习惯 和 成本的均衡（自己开发的代价 vs 维护开源库的代价）

现在的 IT 行业对数据挖掘-机器学习的职位需求究竟有多大？现在的情况是怎样的？http://www.zhihu.com/question/19584737

机器学习和数据挖掘 当前两大热门的计算机领域 在实际应用中的效果如何，又该如何自学？http://www.zhihu.com/question/20744564

有很多应用啊，特别是很多互联网公司啊，比如QQ，百度什么的，搜索引擎，推荐系统，机器翻译，都是常见的机器学习和数据挖掘在实际中的应用的。

机器学习的理论应该是蛮复杂的，搞不太懂，有好多好多统计学的知识，真复杂，不过实际应用的话，有很多现成的算法可以用的哦。

推荐看一下《集体智慧编程》这本书的，里面有很多机器学习的基础算法的解释，算是入门吧。

如果要深入研究，可以还是要看很多很多很多论文才行的吧，最好是有大牛指导吧。。。

数学不好能学习基础的数据挖掘吗？ http://www.zhihu.com/question/21704435

甲：

其实数学这个东西，上学的时候老是在想，TMD，这个东西究竟有什么用，求学这十几年，大部分人也让数学折腾的不轻。

但是！！！！我现在慢慢觉得如果你想在某个技术领域达到一定的高度，往往到最后数学会是你的瓶颈，你会卡在那里，因为大脑里根本没有那个理论骨架支撑了，这个时候你就会感觉到数学的重要性，总之，如果，你有能力，有那个毅力，数学—啃到什么程度算什么程度吧。

说说数据挖掘，这个领域，我个人觉得和数学的关系还是相当大的。

虽然说现在的数据挖掘软件已经把算都封装好了，只需要自己动手点点就OK了，但是就点这几下，也是需要功夫的，这算法里面的参数你都得能明白吧。说到设置这些参数，那就必须首先把算法弄明白，不要求你自己去设计算法，最起码也得看得懂这个算法原理，要不你还真不好下手。

没有数学功底的话，这个只能说很吃力。

举个例子，SVM支持向量机这个算法，你如果想要彻底搞懂的话需要哪些数学知识，我给你大致列举一下： 几个核函数，logistic函数 松弛变量 最小二乘法 核函数特征空间 拉格朗日对偶变量 KKT条件 哈哈，别吓晕了。。。

当然这些知识你都可以从维基条目中找到，但是他不成体系，你只能补了西墙，倒了东墙。时间一长，把你的兴趣倒折腾没了。

我的建议是找一本统计学的书，遇到那个地方，就去查，由点及面，慢慢查漏补缺。

乙：

只是使用工具的话，什么不懂都没问题。如果要设计算法，需要懂一些概率和线性代数。如果要钻研深奥的机器学习基本理论，那需要很好的数学基础了。 大部分人停留在第一个层次已经足够了，算法和技术都是现成的，需要考虑的多是数据和业务。