- 相關(guān)推薦
數(shù)據(jù)挖掘?qū)I(yè)就業(yè)方向
數(shù)據(jù)挖掘(英語：Data mining)，又譯為資料探勘、數(shù)據(jù)采礦。下面小編為大家?guī)頂?shù)據(jù)挖掘?qū)I(yè)就業(yè)方向，僅供參考，希望能夠幫到大家。
數(shù)據(jù)挖掘?qū)I(yè)就業(yè)方向1
1.數(shù)據(jù)挖掘主要是做算法還是做應(yīng)用?分別都要求什么?
這個問題太籠統(tǒng)，基本上算法和應(yīng)用是兩個人來做的，可能是數(shù)據(jù)挖掘職位。做算法的比較少，也比較高級。
其實所謂做算法大多數(shù)時候都不是設(shè)計新的算法(這個可以寫論文了)，更多的是技術(shù)選型，特征工程抽取，最多是實現(xiàn)一些已經(jīng)有論文但是還沒有開源模塊的算法等，還是要求扎實的算法和數(shù)據(jù)結(jié)構(gòu)功底，以及豐富的分布式計算的知識的，以及不錯的英文閱讀和寫作能力。但即使是這樣也是百里挑一的，很難找到。
絕大讀書數(shù)據(jù)挖掘崗位都是做應(yīng)用，數(shù)據(jù)清洗，用現(xiàn)成的庫建模，如果你自己不往算法或者架構(gòu)方面繼續(xù)提升，和其他的開發(fā)崗位的性質(zhì)基本沒什么不同，只要會編程都是很容易入門的。
2.北上廣以外的普通公司用的多嗎?待遇如何?
實際情況不太清楚，由于數(shù)據(jù)挖掘和大數(shù)據(jù)這個概念太火了，肯定到處都有人招聘響應(yīng)的崗位，但是二線城市可能僅僅是停留在概念上，很多實際的工作并沒有接觸到足夠大的.數(shù)據(jù)，都是生搬硬套框架(從我面試的人的工作經(jīng)驗上看即使是在北上廣深這種情況也比較多見)。
只是在北上廣深，可能接觸到大數(shù)據(jù)的機會多一些。而且做數(shù)據(jù)挖掘現(xiàn)在熱點的技術(shù)比如Python，Spark，Scala，R這些技術(shù)除了在一線城市之外基本上沒有足夠的市場(因為會的人太少了，二線城市的公司找不到掌握這些技術(shù)的人，不招也沒人學(xué))。
所以我推測二線城市最多的還是用JAVA+Hadoop，或者用JAVA寫一些Spark程序。北上廣深和二線城市程序員比待遇是欺負人，就不討論了。
3.和前端后端程序員比有什么區(qū)別?有什么優(yōu)缺點?
和傳統(tǒng)的前后端程序員相比，最主要的去別就是對編程水平的要求。從我招聘的情況來看，做數(shù)據(jù)挖掘的人編程水平要求可以降低一個檔次，甚至都不用掌握面向?qū)ο蟆?/p>
但是要求技術(shù)全面，編程、SQL，Linux，正則表達式，Hadoop，Spark，爬蟲，機器學(xué)習(xí)模型等技術(shù)都要掌握一些。前后端可能是要求精深，數(shù)據(jù)挖掘更強調(diào)廣博，有架構(gòu)能力更好。
4.目前在學(xué)習(xí)機器學(xué)習(xí)，如果想找數(shù)據(jù)挖掘方面的工作應(yīng)該學(xué)習(xí)哪些內(nèi)容?
打基礎(chǔ)是最重要的，學(xué)習(xí)一門數(shù)據(jù)挖掘常用的語言，比如Python，Scala，R;學(xué)習(xí)足夠的Linux經(jīng)驗，能夠通過awk，grep等Linux命令快速的處理文本文件。掌握SQL，MySQL或者PostgreSQL都是比較常用的關(guān)系型數(shù)據(jù)庫，搞數(shù)據(jù)的別跟我說不會用數(shù)據(jù)庫。
補充的一些技能，比如NoSQL的使用，Elasticsearch的使用，分詞(jieba等模塊的使用)，算法的數(shù)據(jù)結(jié)構(gòu)的知識。
5.hadoop,hive之類的需要學(xué)習(xí)嗎?
我覺得應(yīng)當(dāng)學(xué)習(xí)，首先Hadoop和Hive很簡單(如果你用AWS的話你可以開一臺EMR，上面直接就有Hadoop和Hive，可以直接從使用學(xué)起)。
我覺得如果不折騰安裝和部署，還有Linux和MySQL的經(jīng)驗，只要半天到一天就能熟悉Hadoop和Hive的使用(當(dāng)然你得有Linux和MySQL的基礎(chǔ)，如果沒有就先老老實實的學(xué)Linux和MySQL，這兩個都可以在自己的PC上安裝，自己折騰)。
Spark對很多人來說才是需要學(xué)習(xí)的，如果你有JAVA經(jīng)驗大可以從JAVA入門。如果沒有那么還是建議從Scala入門，但是實際上如果沒有JAVA經(jīng)驗，Scala入門也會有一定難度，但是可以慢慢補。
所以總的來說Spark才足夠難，以至于需要學(xué)習(xí)。
最后的最后我有一些建議。第一要對自己有一個系統(tǒng)的認知，自己的編程水平夠么，SQL會用么，Linux會用么，能流暢的看英文文檔么?
如果上面任何一個問題的答案是No，我都不建議直接轉(zhuǎn)行或者申請高級的數(shù)據(jù)挖掘職位(因為你很難找到一個正經(jīng)的數(shù)據(jù)挖掘崗位，頂多是一些打擦邊球的崗位，無論是實際干的工作還是未來的成長可能對你的幫助都不大)。
無論你現(xiàn)在是學(xué)生還是已經(jīng)再做一些前段后端、運維之類的工作你都有足夠的時間補齊這些基礎(chǔ)知識。
補齊了這些知識之后，第一件事就是了解大數(shù)據(jù)生態(tài)，Hadoop生態(tài)圈，Spark生態(tài)圈，機器學(xué)習(xí)，深度學(xué)習(xí)(后兩者需要高等數(shù)學(xué)和線性代數(shù)基礎(chǔ)，如果你的大學(xué)專業(yè)學(xué)這些不要混)。
數(shù)據(jù)挖掘?qū)I(yè)就業(yè)方向2
A：做科研(在高校、科研單位以及大型企業(yè)，主要研究算法、應(yīng)用等)
B：做程序開發(fā)設(shè)計（在企業(yè)做數(shù)據(jù)挖掘及其相關(guān)程序算法的實現(xiàn)等）
C：數(shù)據(jù)分析師（在存在海量數(shù)據(jù)的企事業(yè)單位做咨詢、分析等）
現(xiàn)在各個公司對于數(shù)據(jù)挖掘崗位的技能要求偏應(yīng)用多一些。目前市面上的`崗位一般分為算法模型、數(shù)據(jù)挖掘、數(shù)據(jù)分析三種。
應(yīng)用及就業(yè)領(lǐng)域
當(dāng)前數(shù)據(jù)挖掘應(yīng)用主要集中在電信(客戶分析)，零售(銷售預(yù)測)，農(nóng)業(yè)(行業(yè)數(shù)據(jù)預(yù)測)，網(wǎng)絡(luò)日志(網(wǎng)頁定制)，銀行(客戶欺詐)，電力(客戶呼叫)，生物(基因)，天體(星體分類)，化工，醫(yī)藥等方面。
當(dāng)前它能解決的問題典型在于：數(shù)據(jù)庫營銷(Database Marketing)、客戶群體劃分(Customer Segmentation &Classification)、背景分析(Profile Analysis)、交叉銷售(Cross-selling)等市場分析行為，以及客戶流失性分析(Churn Analysis)、客戶信用記分(Credit Scoring)、欺詐發(fā)現(xiàn)(Fraud Detection)等等，在許多領(lǐng)域得到了成功的應(yīng)用。
【數(shù)據(jù)挖掘?qū)I(yè)就業(yè)方向】相關(guān)文章：
旅游專業(yè)就業(yè)方向11-12
德語專業(yè)就業(yè)方向11-12
土木專業(yè)的就業(yè)方向11-23
信息專業(yè)就業(yè)方向02-26
邏輯專業(yè)就業(yè)方向11-23