如何通过自学，成为数据挖掘“高手”_大数据技术

基础篇：

1. 读书《Introduction to Data Mining》，这本书很浅显易懂，没有复杂高深的公式，很合适入门的人。另外可以用这本书做参考《Data Mining ： Concepts and Techniques》。第二本比较厚，也多了一些数据仓库方面的知识。如果对算法比较喜欢，可以再阅读《Introduction to Machine Learning》。

2. 实现经典算法。有几个部分：

a. 关联规则挖掘（Apriori， FPTree， etc.）

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

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

d. 降维（PCA， LDA， etc.）

e. 推荐系统（基于内容的推荐，协同过滤，如矩阵分解等）

然后在公开数据集上测试，看实现的效果。可以在下面的网站找到大量的公开数据集：http://archive.ics.uci.edu/ml/

3. 熟悉几个开源的工具： Weka （用于上手）； LibSVM， scikit-learn， Shogun

4. 到 https://www.kaggle.com/ 上参加几个101的比赛，学会如何将一个问题抽象成模型，并从原始数据中构建有效的特征（Feature Engineering）。

到这一步的话基本几个国内的大公司都会给你面试的机会。

进阶篇：

1. 读书，下面几部都是大部头，但学完进步非常大。

a.《Pattern Recognition and Machine Learning》

b.《The Elements of Statistical Learning》

c.《Machine Learning： A Probabilistic Perspective》

第一本比较偏Bayesian；第二本比较偏Frequentist；第三本在两者之间，但我觉得跟第一本差不多，不过加了不少新内容。当然除了这几本大而全的，还有很多介绍不同领域的书，例如《Boosting Foundations and Algorithms》，《Probabilistic Graphical Models Principles and Techniques》；以及理论一些的《Foundations of Machine Learning》，《Optimization for Machine Learning》等等。这些书的课后习题也非常有用，做了才会在自己写Paper的时候推公式。

2. 读论文。包括几个相关会议：KDD，ICML，NIPS，IJCAI，AAAI，WWW，SIGIR，ICDM；以及几个相关的期刊：TKDD，TKDE，JMLR，PAMI等。跟踪新技术跟新的热点问题。当然，如果做相关research，这一步是必须的。例如我们组的风格就是上半年读Paper，暑假找问题，秋天做实验，春节左右写/投论文。

3. 跟踪热点问题。例如最近几年的Recommendation System，Social Network，Behavior Targeting等等，很多公司的业务都会涉及这些方面。以及一些热点技术，例如现在很火的Deep Learning.

4. 学习大规模并行计算的技术，例如MapReduce、MPI，GPU Computing.基本每个大公司都会用到这些技术，因为现实的数据量非常大，基本都是在计算集群上实现的。

5. 参加实际的数据挖掘的竞赛，例如KDDCUP，或 https://www.kaggle.com/ 上面的竞赛。这个过程会训练你如何在一个短的时间内解决一个实际的问题，并熟悉整个数据挖掘项目的全过程。

6. 参与一个开源项目，如上面提到的Shogun或scikit-learn还有Apache的Mahout，或为一些流行算法提供更加有效快速的实现，例如实现一个Map/Reduce平台下的SVM.这也是锻炼Coding的能力。

到这一步国内的大公司基本是想哪去哪，而且待遇也不差；如果英语好，去US那边的公司难度也不大了。

本人谈不上什么高手，下面是个人的一点看法。

一，可以先找一些数据挖掘方面优秀教材来看，把一些基础且重要的东西理解清楚。R/matlab/SAS之类是都是一些工具，虽然学会使用工具挺重要，但关键还是工具后面的思想。关于自学，不知lz是否看过下面的帖子。其中，我挺赞同帖子中pongba的‘只看好书’的看法。

http://www.guokr.com/question/132920/？bsh_bid=98365272

二，个人觉得非常重要的一点，尽量参与一些真实的实践项目，从实际项目/问题出发学得更快，也学得更好！数据挖掘是个很宽泛的概念，涉及面很广，不同应用领域的数据挖掘也不一样。从一些项目作为切入点，你可以了解到哪些知识是最欠缺的，哪些最需要学的，然后再逐渐扩充相关的知识。

三，估计学什么都差不多，需要不断坚持和积累吧。

数据挖掘这个东西，要看你追求的是什么？

注意到你是想自学？那一帮情况下，就可以理解为不是奔科研去的，看起来应该是追求实用。