① 北大青鳥java培訓：八個最佳的數據中心開源挖掘工具
數據挖掘，又稱為資料探勘、數據采礦。
它是資料庫知識發現(英語：Knowledge-DiscoveryinDatabases，簡稱：KDD)中的一個步驟，是一個挖掘和分析大量數據並從中提取信息的過程。
其中一些應用包括市場細分-如識別客戶從特定品牌購買特定產品的特徵，欺詐檢測-識別可能導致在線欺詐的交易模式等。
在本文中，貴陽電腦培訓http://www.kmbdqn.cn/整理了進行數據挖掘的8個最佳開源工具。
1、WekaWEKA作為一個公開的數據挖掘工作平台，集合了大量能承擔數據挖掘任務的機器學習演算法，包括對數據進行預處理，分類，回歸、聚類、關聯規則以及在新的互動式界面上的可視化。
2、RapidMinerRapidMiner是世界領先的數據挖掘解決方案，在一個非常大的程度上有著先進技術。
它數據挖掘任務涉及范圍廣泛，包括各種數據藝術，能簡化數據挖掘過程的設計和評價。
3、OrangeOrange是一個基於組件的數據挖掘和機器學習軟體套裝，它的功能即友好，又很強大，快速而又多功能的可視化編程前端，以便瀏覽數據分析和可視化，基綁定了python以進行腳本開發。
它包含了完整的一系列的組件以進行數據預處理，並提供了數據帳目，過渡，建模，模式評爛卜估和勘探帶圓的功能。
其由C++和Python開發，它的圖形庫是由跨平台的Qt框架開發。
4、KnimeKNIME(KonstanzInformationMiner)是一個用戶友好，智能的，並有豐演的開源的數據集成，數據處理，數據分析和數據勘探平台。
5、jHepWorkjHepWork是一套功能完整的面向對象科學數據分析框架。
Jython宏是用來展示一維和二維直方圖的數據。
該程序包括許多工具，可以用來和二維三維的科學圖形進行互動。
6、ApacheMahoutApacheMahout是ApacheSoftwareFoundation(ASF)開發的一個全新的開源項目，其主要目標是創建一些可伸縮的機器學習演算法，供開發人員在Apache在許可下免費使用。
該項目已經發展到了它的最二個年頭，目前只有一個公共發行版。
Mahout包含許多實現，包蠢歷塌括集群、分類、CP和進化程序。
此外，通過使用ApacheHadoop庫，Mahout可以有效地擴展到雲中。
7、ELKIELKI(EnvironmentforDevelopingKDD-ApplicationsSupportedbyIndex-Structures)主要用來聚類和找離群點。
ELKI是類似於weka的數據挖掘平台，用java編寫，有GUI圖形界面。
可以用來尋找離群點。
② 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
③ 數據挖掘工程師需要掌握Java到什麼程度
對 Java 虛擬機、 Java 並發要有比較深入研究和應用，熟練掌握 Hadoop、 HBase、 Hive、 Kafka、 Storm、 Spark工具，會用 Linux，了解 Scala。如果設計到更高階的應用，可能就需要會用 Python、 R 語言並且精通演算法和數據結構了。
Java熟練的人一般可以負責客戶端APP產品中伺服器後端的工程設計，架構設計和開發工作，研究業界內的新技術及其應用，解決創新研發中的關鍵問題和技術難點，依據項目任務計劃及時完成軟體編碼和單元測試項目，按照開發流程編寫隊友模塊的設計文檔。與產品經理、測試工程師、其他團隊溝通協作，確保產品研發工作的質量和速度，協調或指導團隊成員和其它開發人員的工作。熟悉設計模式，熟練掌握面向對象編程和事件驅動編程風格。
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，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，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。
④ 數據挖掘為什麼要用java或python
主要是方便，python的第三方模塊很豐富，而且語法非常簡練，自由度很高，python的numpy、scipy、matplotlib模塊可以完成所有的spss的功能，而且可以根據自己的需要按照定製的方法對數據進行清洗、歸約，需要的情況下還可以跟sql進行連接，做機器學習，很多時候數據是從互聯網上用網路爬蟲收集的，python有urllib模塊，可以很簡單的完成這個工作，有些時候爬蟲收集數據還要對付某些網站的驗證碼，python有PIL模塊，可以方便的進行識別，如果需要做神經網路、遺傳演算法，scipy也可以完成這個工作，還有決策樹就用if-then這樣的代碼，做聚類不能局限於某幾種聚類，可能要根據實際情況進行調整，k-means聚類、DBSCAN聚類，有時候可能還要綜合兩種聚類方法對大規模數據進行聚類分析，這些都需要自行編碼來完成，此外，基於距離的分類方法，有很多距離表達方式可以選用，比如歐幾里得距離、餘弦距離、閔可夫斯基距離、城市塊距離，雖然並不復雜， 但是用python編程實現很方便，基於內容的分類方法，python有強大的nltk自然語言處理模塊，對語言片語進行切分、收集、分類、統計等。
綜上，就是非常非常方便，只要你對python足夠了解，你發現你可以僅僅使用這一個工具快速實現你的所有想法