數據挖掘與程序員

1. 數據分析師和程序員的區別

1. 數據分析師是對數據進行分析
   

2. 程序員是編寫程序

   兩者目的不相同的。
   

2. 數據挖掘工程師的工作是什麼

數據挖掘指的是在長期積累的數據中分析和挖掘有價值的信息以供決策。這個概念主要還是因為ERP（企業資源計劃）和OA(辦公自動化)軟體系統的廣泛使用和發展的基礎上出現的一個概念。因為企業在使用這些軟體系統的過程中，雖然運營的狀態和管理以及成本有很大的節約，大大提高了企業的運營效率，可是這些系統卻只能對企業的狀態和管理進行一個狀態性的記錄，對長期記錄下來的這些數據的分析和在挖掘能力是非常有限的，雖然眾多軟體供應商想出各種辦法來利用其這些數據，比如出各種報表甚至自定義的報表，可是仍然受制於ERP和OA本身設計的缺陷，因為它們原本就不是設計來做數據分析的。
所以在我們的軟體系統實施的過程中，常常看到一個龐大的系統在運行，可是對於領導卻只有每月看一兩張報表的價值。所以，有人提出了數據挖掘的概念，長期使用ERP系統所積攢的數據就好像一大筐蘋果，金蘋果、銀蘋果、爛蘋果都有，而數據挖掘工程師就是專門從中挑選出對企業有用的信息的工作。當然數據挖掘軟體也是專門設計來做這個事情的。
以上只是我這個小小程序員的淺薄認識，渴望大家的指正。我的QQ:232268173，
MSN：[email protected] 歡迎大家與我一起討論任何信息技術相關的話題。

3. 數據挖掘會用到什麼編程語言，jawa 、c 或 c++還是別的什麼

數據挖掘會用到SQL結構化查詢語言，其它任何編程語言僅是藉助SQL結構化查詢語言完成資料庫的操作、查詢和維護。

1. 結構化查詢語言(Structured Query Language)簡稱SQL，是一種特殊目的的編程語言，是一種資料庫查詢和程序設計語言，用於存取數據以及查詢、更新和管理關系資料庫系統。

2. 結構化查詢語言是高級的非過程化編程語言，允許用戶在高層數據結構上工作。它不要求用戶指定對數據的存放方法，也不需要用戶了解具體的數據存放方式，所以具有完全不同底層結構的不同資料庫系統, 可以使用相同的結構化查詢語言作為數據輸入與管理的介面。結構化查詢語言語句可以嵌套，這使它具有極大的靈活性和強大的功能。

3. 數據挖掘（英語：Data mining），又譯為資料探勘、數據采礦。它是資料庫知識發現（英語：Knowledge-Discovery in Databases，簡稱：KDD)中的一個步驟。數據挖掘一般是指從大量的數據中通過演算法搜索隱藏於其中信息的過程。數據挖掘通常與計算機科學有關，並通過統計、在線分析處理、情報檢索、機器學習、專家系統（依靠過去的經驗法則）和模式識別等諸多方法來實現上述目標。

4. 編程語言（programming language），是用來定義計算機程序的形式語言。它是一種被標准化的交流技巧，用來向計算機發出指令。一種計算機語言讓程序員能夠准確地定義計算機所需要使用的數據，並精確地定義在不同情況下所應當採取的行動。

5. 編程語言俗稱「計算機語言」，種類非常的多，總的來說可以分成機器語言、匯編語言、高級語言三大類。電腦每做的一次動作，一個步驟，都是按照已經用計算機語言編好的程序來執行的，程序是計算機要執行的指令的集合，而程序全部都是用我們所掌握的語言來編寫的。所以人們要控制計算機一定要通過計算機語言向計算機發出命令。 目前通用的編程語言有兩種形式：匯編語言和高級語言。
   

4. java程序員想走數據挖掘或元計算方向，需要看什麼書

數據挖掘概念與技術，其實數據挖掘注重抓取和分析，clementine這本書也不錯，挖掘工具也需要學習使用。

5. 數據挖掘是什麼樣的工作啊和java編程有關系嗎跪求

兩個工作內容聯系不大，你是學習java的，我就主要介紹數據挖掘吧
數據挖掘是提取數據、建立模型分析數據、得出結果後與需求部門進行溝通的一個職業。
舉個例子：銀行的事業部有很多潛在的貸款申請者，事業部向數據挖掘人員提出需求，希望能夠分析哪些申請者是優質放貸對象？
數據挖掘人員首先要充分理解事業部的需求，其次要從資料庫提取相關數據，提取數據的工作有些時候是由DBA來完成，好了，現在你得到了歷史數據，你的任務就是通過歷史數據來建立模型，分析具備什麼特徵的申請者是有能力還貸、不拖欠的，然後用建立好的模型來預測我們剛剛得到的新的一批申請者。
再具體一點：例如，我們通過歷史數據發現，年齡大於35歲，的男性，已婚，家庭人口大於3，收入在12000元以上的申請者是理想的放貸對象，那麼我們用這個標准來限定新的申請者。
當然我舉的例子，為了淺顯易懂，是非常簡單的示意例子，實際情況要復雜得多，會涉及到個人的貸款歷史、信用評估、自然屬性、社會屬性、資產評估等情況——就是說，數據挖掘人員是要通過資料庫中的海量數據，整理出哪些是有用數據，再用這些有用的數據來分析其它部門的問題，幫助他們解決問題，或者為公司的發展提供數據依據

數據挖掘的上升方向是：數據挖掘——產品層——決策層

java是屬於開發，比如開發軟體、介面、應用程序等，如果一個公司需要開發數據挖掘軟體，那麼則需要數據挖掘知識+java開發能力，只有在這種時候，才需要兩個都具備

但是一般自主開發數據挖掘軟體的公司很少，第一需要消耗大量人力物力，第二市場有很多現成的軟體，沒必要開發。

如果你想從事數據挖掘，你必須具備：
數據挖掘模型、演算法的數學知識以及一些數據分析軟體（SPSS、SAS、matlab、clementine）
一些資料庫相關的知識（oracle、mySQL）
了解市場、其它部門需求

當然這些都是一點一滴積累起來的，沒必要一蹴而就，特別是對市場、行業的了解以及對公司其它部門的需求的理解非常重要，這決定了你能否從基礎的分析人員上升到產品層、決策層，都是要在實際的工作中積累起來的

至於放棄java什麼的，我覺得真的不是放棄，因為你具備了java的基礎，一定能派上用場，比如技術型產品經理（face book的扎克伯格和騰訊的馬化騰都是技術型產品經理），這種產品經理能夠清晰的把握產品的開發過程，還有市場知識。總結起來就是沒有什麼東西會浪費掉，你學的所有的東西都將在工作中派上用場，只是你遇到的情況不夠多不夠復雜而已

6. 數據挖掘、機器學習、自然語言處理這三者是什麼關系

機器學習比較偏底層，也比較偏理論，機器學習本身不夠炫酷，結合了具體的自然語言處理以及數據挖掘的問題才能炫酷。機器學習好像內力一樣，是一個武者的基礎，而自然語言和數據挖掘的東西都是招式。如果你內功足夠深厚，招式對你來說都是小意思。但機器學習同時也要求很高的數學基礎，基本上我讀到自然語言處理的博士，看機器學習頂會有些論文還是如讀天書。而現在如果我們只講，工程實現，有很多開源工具可以使用，你所需要的只是知道這些工具都是幹嘛用的就好我不知道為什麼，很多中國本科生對機器學習特別特別特別的狂熱，但對矩陣，概率論又有著老紙早他媽不想念這門課了，終於過了的思想。我一直覺得，如果你真的矩陣，概率，微積分學的不好，早日勤動手，多編程，對日後找工作很有利！這三不管你學啥，一定不要捨本逐末的放棄了程序員最基礎的編程功夫。最後：人工智慧就是有多少人工就有多少智能。不要被網路，谷歌等吹牛逼的軟文迷惑了雙眼。

7. 程序員和數據分析員一樣嗎

不一樣！
網路下「程序員」或「數據分析員」，會得到詳細的答案。
程序員（Programmer，Computer Programmer或Coder），它可以指在程序設計某個專業領域中的專業人士，或是從事軟體撰寫，程序開發、維護的專業人員。但一般Coder特指進行編寫代碼的編碼員。
數據分析員是根據數據分析方案進行數據分析的人員，能進行較高級的數據統計分析，負責公司錄入人員的管理和業績考核，以及對編碼人員的行業知識和問卷結構的培訓，和錄入資料庫的設立，數據的校驗，資料庫的邏輯查錯，對部分問卷的核對等職責。
程序員的定義比較的准確，但是「數據分析員」的定義就有待商榷了。
因為我是做網站優化的，所以在網站運營中也會遇到很多「數據分析員」，但網站數據分析員，主要是依據網站自身數據，結合用戶行為、用戶行為，為網站提供數據支持。需要多搜索引擎優化有較深的了解。

8. 數據挖掘具體技術有哪些 作為一個J2EE程序員，如何掌握數據挖掘相關技能

數據挖掘是一個很寬泛的概念啊，假如說是技術的話，可以先去了解了解大數據處理呀，看看hadoop，noSql個人覺得都是個不錯的選擇

9. 後台開發與數據挖掘哪個更適合研究生發展

兄弟，這種迷茫是很容易理解的，作為過來人，先讓自己安靜下來，然後再思考，不要被外面紛擾的信息打擾了自己內心的平靜。數據挖掘也好，後台開發也罷，編程能力必不可少，但是你需要明白的是，很多機器學習工程師其實是在寫軟體，而不是側重在機器學習演算法本身，而很多數據挖掘工程師其實不是在調試演算法，而是在寫SQL。真正的聚焦在機器學習和數據挖掘工程師崗位往往需要你有一些項目背景和學術背景，如果發過頂會論文和期刊論文的話那就更好。

因此，我總結一下，如果你選擇機器學習，你可以做下面的選擇【僅供參考】

1. 如果你實驗室或者導師學術能力比較強，那麼跟著發主流領域的頂會或者期刊論文，由於你導師幾乎是放羊狀態，實驗室學術能力也不強，這個選項就不適合你了。
2. 參加大數據和機器學習比賽，這種比賽有很多，每個側重點不一樣，你可以參與一下。

如果你選擇後台開發，後台開發有很多，鑒於你的非專業的CS出身，而且可能本科沒怎麼寫代碼，建議

1. C++後台開發還是免了吧，因為除了學習C++，你還要學習網路編程和UNIX編程，而且目前需求也很少，能力要求高。不知道你能堅持多久。
2. Java後台，主要是Java Web，這個是很多人的選擇，而且容易找工作。
3. Hadoop後台，主要做Hadoop開發，Hadoop你應該知道是什麼，這里就不介紹了，當然Java基礎必不可少。
4. Python/PHP後台，這些相對需求很少，而且也很難找到大公司的工作，因為需求不多。
5. 求助於實驗室的師兄師姐他們，或者可以學到一點後台開發的技能。

另外，不管是什麼專業，計算機的基礎知識必不可少，數據結構+演算法，計算機組成原理等等。

最後，鑒於你的沒有太多的基礎，因此不要對自己的期望過高，否則很那達到會有挫敗感，而且這個時候一定要專注於一個領域不動搖，否則，你還是迷茫而且不知道方向在哪裡。其實努力學習一個學期是可以學到很多知識的。加油！既然是南方985，應該也不差，畢竟南方經濟發達，就業是比較容易的。

更新：

對於學習的建議

• 從一而終，不可隨意換方向，因為你基礎可能不是很好，淺嘗輒止很容易不深入，不深入很難找工作
• 一定要做項目，而且項目要有難度

2017年12月7日更新

• 最近再一次閱讀了Jiawei Han的《數據挖掘：概念與技術》，發現他寫的比周老師的《機器學習》好太多，這本書知識全面而且容易理解。推薦閱讀！
• 周老師的書《機器學習》也不錯，特別是集成學習部分，講的非常好，可能是周老師的研究重點在集成學習吧。
• 軟體開發是互聯網永恆的主題，即使有了AI也需要搬磚工，題主加油！

10. 程序員可以轉行數據分析師嗎

許多程序員會覺得自己會編程、能開發，轉行數據分析師不成問題。一般來說，數據分析師可以分為兩個方向。一個是偏技術方面，在這一方面，各位程序員可謂是優勢十足。編程代碼，不成問題，也要著重提高自己的數據挖掘以及數據可視化能力，最重要的是要培養自己的數據思維，通過數據發現問題解決問題。

另外一個方向就是偏業務方面，這需要很強的業務理解能力。程序員小夥伴如果選擇這一方向的話，就需要加強對相關行業市場以及企業業務進行更加深入地了解，通過數據分析，幫助企業建立起統一的業務指標，發現企業運營中的問題，預測未來的發展方向並做出正確決策。

可以說，程序員轉行數據分析師的優勢還是很大的，但轉行之前，還是需要確定自己的發展方向，為將來做一個大體的職業規劃，才能朝著方向不斷努力。大家轉行找工作之前，先對照目標公司的招聘要求，看自己的實際能力是否與要求相匹配。

關於程序員可以轉行數據分析師嗎，青藤小編就和您分享到這里了。如果你對大數據工程有濃厚的興趣，希望這篇文章能夠對你有所幫助。如果您還想了解更多數據分析師、大數據工程師的技巧及素材等內容，可以點擊本站的其他文章進行學習。