如何通過自學,成為數據挖掘「高手」?

|小編精選自網路

基礎篇

1. 讀書《Introduction to Data Mining》這本書很淺顯易懂,沒有複雜高深的公式,很合適入門的人。另外可以用這本書做參考《Data Mining : Concepts and Techniques》。第二本比較厚,也多了一些數據倉庫方面的知識。如果對算法比較喜歡,可以再閱讀《Introduction to Machine Learning》。

2. 做到經典算法。有幾個部分:

  a. 關聯規則挖掘 (Apriori, FPTree, etc.)

  b. 分類 (C4.5, KNN, Logistic Regression, SVM, etc.)

  c. 聚類 (Kmeans, DBScan, Spectral Clustering, etc.)

  d. 降維 (PCA, LDA, etc.)

  e. 推薦系統 (基於內容的推薦,協同過濾,如矩陣分解等)

  然後在公開數據集上測試,看做到的效果。可以在下面的網站找到大量的公開數據集:http://archive.ics.uci.edu/ml/
3. 熟悉幾個開源的工具: Weka (用於上手); LibSVM, scikit-learn, Shogun
4. 到 https://www.kaggle.com/ 上參加幾個101的比賽,學會如何將一個問題抽象成模型,並從原始數據中構建有效的特徵 (Feature Engineering).

  到這一步的話基本幾個國內的大公司都會給你面試的機會



進階篇



1. 讀書下面幾部都是大部頭,但學完進步非常大。

  a.《Pattern Recognition and Machine Learning》
  b.《The Elements of Statistical Learning》

  c.《Machine Learning: A Probabilistic Perspective》

  第一本比較偏Bayesian;第二本比較偏Frequentist;第三本在兩者之間,但我覺得跟第一本差不多,不過加了不少新內容。當然除了這幾本大而全的,還有很多介紹不同領域的書,例如《Boosting Foundations and Algorithms》,《Probabilistic Graphical Models Principles and Techniques》;以及理論一些的《Foundations of Machine Learning》,《Optimization for Machine Learning》等等。這些書的課後習題也非常有用,做了才會在自己寫Paper的時候推公式。

2. 讀論文。包括幾個相關會議:KDD,ICML,NIPS,IJCAI,AAAI,WWW,SIGIR,ICDM;以及幾個相關的期刊:TKDD,TKDE,JMLR,PAMI等。跟蹤新技術跟新的熱點問題。當然,如果做相關research,這一步是必須的。例如我們組的風格就是上半年讀Paper,暑假找問題,秋天做實驗,春節左右寫/投論文。

3. 跟蹤熱點問題。例如最近幾年的Recommendation System,Social Network,Behavior Targeting等等,很多公司的業務都會涉及這些方面。以及一些熱點技術,例如現在很火的Deep Learning。

4. 學習大規模並行計算的技術,例如MapReduce、MPI,GPU Computing。基本每個大公司都會用到這些技術,因為現實的數據量非常大,基本都是在計算集群上做到的。

5. 參加實際的數據挖掘的競賽,例如KDDCUP,或 https://www.kaggle.com/上面的競賽。這個過程會訓練你如何在一個短的時間內解決一個實際的問題,並熟悉整個數據挖掘項目的全過程。

6. 參與一個開源項目,如上面提到的Shogun或scikit-learn還有Apache的Mahout,可能為一些流行算法提供更加有效快速的做到,例如做到一個Map/Reduce平台下的SVM。這也是鍛煉Coding的能力。


  到這一步國內的大公司基本是想哪去哪。

閱讀原文


關於作者:
提供互聯網商業信息、分析和觀點,讓從業人員不在孤獨,全力為您提供實戰行銷平台。

微信號:shizhanjingyan