程序員數據挖掘

① 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。
   

② 問題做數據挖掘一般是用什麼編程語言比較好

數據挖掘的編程語言，一般要看用於什麼領域來進行選擇，介紹一下數據挖掘的編程語言的應用：

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。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。一般來說做數據分析挖掘每種編程語言基本都能做。比如在社會經濟領域，普遍應用的是SPASS、SAS、MODELER等，一般的話，應用EXCEL也是可以的；在其他領域，編程能力強的可以用MATLAB，Python，R等語言.上面這幾種最好都學一下,做分析方面,R語言是強項。數據可視化是Matlab。但是挖數據要做爬蟲，這個又會用到java和Python,Python是個全能，在分析方面有Numpy，Scipy等數據分析庫，又有很多爬蟲庫，還有matplotlib的庫把數據可視化。

如果你想了解數據挖掘使用什麼編程語言,推薦CDA數據分析師的課程,課程主要培養學員硬性的數據挖掘理論與Python數據挖掘演算法技能的同時，還兼顧培養學員軟性數據治理思維、商業策略優化思維、挖掘經營思維、演算法思維、預測分析思維，全方位提升學員的數據洞察力。課程以項目調動學員數據挖掘實用能力的場景式教學為主，在講師設計的業務場景下由講師不斷提出業務問題，再由學員循序漸進思考並操作解決問題的過程中，幫助學員掌握真正過硬的解決業務問題的數據挖掘能力。點擊預約免費試聽課。

③ 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

④ 程序員轉行做大數據有什麼優勢

1.市場需求量大

常常查詢顯現，去年有很多大小互聯網公司都在布局大數據。而現在大數據方面的人才仍舊十分緊缺，比方大數據生態Spark需求的Scala工程師。基於Java和Scala等技能密切的聯系，有些大數據公司會瞄準JAVA工程師，經過培養轉而成為大數據工程師。

2.就業方向廣泛

(1)大數據開發工程師

基礎大數據服務渠道，大中型的商業運用包括咱們常說的企業級運用(主要指雜亂的大企業的軟體系統)、各種類型的網站等。擔任建立大數據運用渠道以及開發剖析運用程序。

(2)大數據剖析師

擔任數據挖掘作業，運用Hive、Hbase等技能，專門對從事行業數據搜集、整理、剖析，並依據數據做出行業研究、評估和猜測的專業人員。以及經過運用新型數據可視化東西如Spotifre，Qlikview和Tableau，對數據進行數據可視化和數據呈現。

(3)Android工程師

Android是一種基於Linux的自由及開放源代碼的操作系統，其源代碼是Java。所以市場上見到的手機系統例如MIUI，阿里雲，樂蛙等，都是修正源代碼再發行的。Java做安卓不單單是指系統，還有APP對於更多的開發人員來說，他們更多的時刻是花在開發APP上面。

關於程序員轉行做大數據有什麼優勢，青藤小編就和您分享到這里了。如果您對大數據工程有濃厚的興趣，希望這篇文章可以為您提供幫助。如果您還想了解更多關於數據分析師、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。

⑤ 有數據挖掘方面的證書嗎數據發掘是不是的會編程有知道的給我指點一下。非常感謝！

有IBM PASW Modeler和SA兩個數據挖掘認證,你可以根據實際情況自己查一下。

全球CDA持證者秉承著先進商業數據分析的新理念，遵循著《CDA數據分析師職業道德和行為准則》新規范，發揮著自身數據科學專業能力旨在提升全民數字技能，助力企業數字化轉型，推動行業數字化發展。數據挖掘的任務就是在如此海量的數據中發現有用的數據。但是僅僅發現數據那是不夠的。會編程對學習數據挖掘有一定的好處,但如果是走業務分析,編程不是必須的。

關於數據挖掘工程師的課程推薦CDA數據分析師的相關課程，課程以項目調動學員數據挖掘實用能力的場景式教學為主，在講師設計的業務場景下由講師不斷提出業務問題，再由學員循序漸進思考並操作解決問題的過程中，幫助學員掌握真正過硬的解決業務問題的數據挖掘能力。點擊預約免費試聽課。

⑥ 數據挖掘技術對於沒有編程經驗的初學者一般需要多長時間學會啊

學習數據挖掘需要多長時間，主要看個人的基礎和學習能力，學習能力強的人大概需要兩到三個月。

要學數據挖掘需要學好統計學的知識，統計學軟體有專門做數據分析的spss，和數值計算方面強大的matlab。但這兩個軟體和有沒有編程基礎關系不大，matlab可能需要一些編程，spss並不需要。同時因為在數據挖掘過程中，需要建模，而在建模過程中，需要掌握兩個基礎的數據學科，也就是數學學科的線性代數和統計學。雖然兩個學科側重雖有不同，但是常常是共同使用的，對於代數方法，往往需要統計上的解釋，對於統計模型，其具體計算則需要代數的幫助。所以想學好數據挖掘，一定要學好數學。

如果對數據挖掘的學習有疑問的話，推薦CDA數據分析師的課程，教你學企業需要的敏捷演算法建模能力，可以學到前沿且實用的技術，挖掘數據的魅力;教你用可落地、易操作的數據科學思維和技術模板構建出優秀模型點擊預約免費試聽課。

⑦ 大數據、數據分析和數據挖掘的區別是什麼

大數據概念：大數據是近兩年提出來的，有三個重要的特徵：數據量大，結構復雜，數據更新速度很快。由於Web技術的發展，web用戶產生的數據自動保存、感測器也在不斷收集數據，以及移動互聯網的發展，數據自動收集、存儲的速度在加快，全世界的數據量在不斷膨脹，數據的存儲和計算超出了單個計算機(小型機和大型機)的能力，這給數據挖掘技術的實施提出了挑戰（一般而言，數據挖掘的實施基於一台小型機或大型機，也可以進行並行計算）。

數據挖掘概念: 數據挖掘基於資料庫理論，機器學習，人工智慧，現代統計學的迅速發展的交叉學科，在很多領域中都有應用。涉及到很多的演算法，源於機器學習的神經網路，決策樹，也有基於統計學習理論的支持向量機，分類回歸樹，和關聯分析的諸多演算法。數據挖掘的定義是從海量數據中找到有意義的模式或知識。

大數據需要映射為小的單元進行計算，再對所有的結果進行整合，就是所謂的map-rece演算法框架。在單個計算機上進行的計算仍然需要採用一些數據挖掘技術，區別是原先的一些數據挖掘技術不一定能方便地嵌入到 map-rece 框架中，有些演算法需要調整。

大數據和數據挖掘的相似處或者關聯在於： 數據挖掘的未來不再是針對少量或是樣本化，隨機化的精準數據，而是海量，混雜的大數據，數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。這一過程也是質量管理體系的支持過程。在實用中，數據分析可幫助人們作出判斷。

拓展資料：

大數據（big data），指無法在一定時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》 中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

⑧ 做數據挖掘一般是用什麼編程語言比較好

做數據挖掘一般是用什麼編程語言比較好這個問題得看什麼領域。

比如在社會經濟領域，spss,sas,modeler等工具一般的excel也可以。其他領域，編程能力強的可以用MATLAB，Python，R等語言。上面這幾種最好都學一下。數據挖掘處理數據之多，挖掘模式之有趣，使用技術之大量，應用范圍之廣泛都將會是前所未有的；而數據挖掘任務之重也一直並存。這些問題將繼續激勵數據挖掘的進一步研究與改進。數據挖掘應當更正確的命名為「從數據中挖掘知識」，不過後者顯得過長了些。數據挖掘——從大量數據中挖掘有趣模式和知識的過程。

如果你想學習更多關於數據挖掘方面的知識，推薦CDA數據分析師的課程，它安排了Sklearn/LightGBM、Tensorflow/PyTorch、Transformer等工具的應用實現，並根據輸出的結果分析業務需求，為進行合理、有效的策略優化提供數據支撐。課程培養學員硬性的數據挖掘理論與Python數據挖掘演算法技能的同時，還兼顧培養學員軟性數據治理思維、商業策略優化等思維，全方位提升學員的數據洞察力。點擊預約免費試聽課。