数据挖掘与程序员

1. 数据分析师和程序员的区别

1. 数据分析师是对数据进行分析
   

2. 程序员是编写程序

   两者目的不相同的。
   

2. 数据挖掘工程师的工作是什么

数据挖掘指的是在长期积累的数据中分析和挖掘有价值的信息以供决策。这个概念主要还是因为ERP（企业资源计划）和OA(办公自动化)软件系统的广泛使用和发展的基础上出现的一个概念。因为企业在使用这些软件系统的过程中，虽然运营的状态和管理以及成本有很大的节约，大大提高了企业的运营效率，可是这些系统却只能对企业的状态和管理进行一个状态性的记录，对长期记录下来的这些数据的分析和在挖掘能力是非常有限的，虽然众多软件供应商想出各种办法来利用其这些数据，比如出各种报表甚至自定义的报表，可是仍然受制于ERP和OA本身设计的缺陷，因为它们原本就不是设计来做数据分析的。
所以在我们的软件系统实施的过程中，常常看到一个庞大的系统在运行，可是对于领导却只有每月看一两张报表的价值。所以，有人提出了数据挖掘的概念，长期使用ERP系统所积攒的数据就好像一大筐苹果，金苹果、银苹果、烂苹果都有，而数据挖掘工程师就是专门从中挑选出对企业有用的信息的工作。当然数据挖掘软件也是专门设计来做这个事情的。
以上只是我这个小小程序员的浅薄认识，渴望大家的指正。我的QQ:232268173，
MSN：[email protected] 欢迎大家与我一起讨论任何信息技术相关的话题。

3. 数据挖掘会用到什么编程语言，jawa 、c 或 c++还是别的什么

数据挖掘会用到SQL结构化查询语言，其它任何编程语言仅是借助SQL结构化查询语言完成数据库的操作、查询和维护。

1. 结构化查询语言(Structured Query Language)简称SQL，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。

2. 结构化查询语言是高级的非过程化编程语言，允许用户在高层数据结构上工作。它不要求用户指定对数据的存放方法，也不需要用户了解具体的数据存放方式，所以具有完全不同底层结构的不同数据库系统, 可以使用相同的结构化查询语言作为数据输入与管理的接口。结构化查询语言语句可以嵌套，这使它具有极大的灵活性和强大的功能。

3. 数据挖掘（英语：Data mining），又译为资料探勘、数据采矿。它是数据库知识发现（英语：Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

4. 编程语言（programming language），是用来定义计算机程序的形式语言。它是一种被标准化的交流技巧，用来向计算机发出指令。一种计算机语言让程序员能够准确地定义计算机所需要使用的数据，并精确地定义在不同情况下所应当采取的行动。

5. 编程语言俗称“计算机语言”，种类非常的多，总的来说可以分成机器语言、汇编语言、高级语言三大类。电脑每做的一次动作，一个步骤，都是按照已经用计算机语言编好的程序来执行的，程序是计算机要执行的指令的集合，而程序全部都是用我们所掌握的语言来编写的。所以人们要控制计算机一定要通过计算机语言向计算机发出命令。 目前通用的编程语言有两种形式：汇编语言和高级语言。
   

4. java程序员想走数据挖掘或元计算方向，需要看什么书

数据挖掘概念与技术，其实数据挖掘注重抓取和分析，clementine这本书也不错，挖掘工具也需要学习使用。

5. 数据挖掘是什么样的工作啊和java编程有关系吗跪求

两个工作内容联系不大，你是学习java的，我就主要介绍数据挖掘吧
数据挖掘是提取数据、建立模型分析数据、得出结果后与需求部门进行沟通的一个职业。
举个例子：银行的事业部有很多潜在的贷款申请者，事业部向数据挖掘人员提出需求，希望能够分析哪些申请者是优质放贷对象？
数据挖掘人员首先要充分理解事业部的需求，其次要从数据库提取相关数据，提取数据的工作有些时候是由DBA来完成，好了，现在你得到了历史数据，你的任务就是通过历史数据来建立模型，分析具备什么特征的申请者是有能力还贷、不拖欠的，然后用建立好的模型来预测我们刚刚得到的新的一批申请者。
再具体一点：例如，我们通过历史数据发现，年龄大于35岁，的男性，已婚，家庭人口大于3，收入在12000元以上的申请者是理想的放贷对象，那么我们用这个标准来限定新的申请者。
当然我举的例子，为了浅显易懂，是非常简单的示意例子，实际情况要复杂得多，会涉及到个人的贷款历史、信用评估、自然属性、社会属性、资产评估等情况——就是说，数据挖掘人员是要通过数据库中的海量数据，整理出哪些是有用数据，再用这些有用的数据来分析其它部门的问题，帮助他们解决问题，或者为公司的发展提供数据依据

数据挖掘的上升方向是：数据挖掘——产品层——决策层

java是属于开发，比如开发软件、接口、应用程序等，如果一个公司需要开发数据挖掘软件，那么则需要数据挖掘知识+java开发能力，只有在这种时候，才需要两个都具备

但是一般自主开发数据挖掘软件的公司很少，第一需要消耗大量人力物力，第二市场有很多现成的软件，没必要开发。

如果你想从事数据挖掘，你必须具备：
数据挖掘模型、算法的数学知识以及一些数据分析软件（SPSS、SAS、matlab、clementine）
一些数据库相关的知识（oracle、mySQL）
了解市场、其它部门需求

当然这些都是一点一滴积累起来的，没必要一蹴而就，特别是对市场、行业的了解以及对公司其它部门的需求的理解非常重要，这决定了你能否从基础的分析人员上升到产品层、决策层，都是要在实际的工作中积累起来的

至于放弃java什么的，我觉得真的不是放弃，因为你具备了java的基础，一定能派上用场，比如技术型产品经理（face book的扎克伯格和腾讯的马化腾都是技术型产品经理），这种产品经理能够清晰的把握产品的开发过程，还有市场知识。总结起来就是没有什么东西会浪费掉，你学的所有的东西都将在工作中派上用场，只是你遇到的情况不够多不够复杂而已

6. 数据挖掘、机器学习、自然语言处理这三者是什么关系

机器学习比较偏底层，也比较偏理论，机器学习本身不够炫酷，结合了具体的自然语言处理以及数据挖掘的问题才能炫酷。机器学习好像内力一样，是一个武者的基础，而自然语言和数据挖掘的东西都是招式。如果你内功足够深厚，招式对你来说都是小意思。但机器学习同时也要求很高的数学基础，基本上我读到自然语言处理的博士，看机器学习顶会有些论文还是如读天书。而现在如果我们只讲，工程实现，有很多开源工具可以使用，你所需要的只是知道这些工具都是干嘛用的就好我不知道为什么，很多中国本科生对机器学习特别特别特别的狂热，但对矩阵，概率论又有着老纸早他妈不想念这门课了，终于过了的思想。我一直觉得，如果你真的矩阵，概率，微积分学的不好，早日勤动手，多编程，对日后找工作很有利！这三不管你学啥，一定不要舍本逐末的放弃了程序员最基础的编程功夫。最后：人工智能就是有多少人工就有多少智能。不要被网络，谷歌等吹牛逼的软文迷惑了双眼。

7. 程序员和数据分析员一样吗

不一样！
网络下“程序员”或“数据分析员”，会得到详细的答案。
程序员（Programmer，Computer Programmer或Coder），它可以指在程序设计某个专业领域中的专业人士，或是从事软件撰写，程序开发、维护的专业人员。但一般Coder特指进行编写代码的编码员。
数据分析员是根据数据分析方案进行数据分析的人员，能进行较高级的数据统计分析，负责公司录入人员的管理和业绩考核，以及对编码人员的行业知识和问卷结构的培训，和录入数据库的设立，数据的校验，数据库的逻辑查错，对部分问卷的核对等职责。
程序员的定义比较的准确，但是“数据分析员”的定义就有待商榷了。
因为我是做网站优化的，所以在网站运营中也会遇到很多“数据分析员”，但网站数据分析员，主要是依据网站自身数据，结合用户行为、用户行为，为网站提供数据支持。需要多搜索引擎优化有较深的了解。

8. 数据挖掘具体技术有哪些 作为一个J2EE程序员，如何掌握数据挖掘相关技能

数据挖掘是一个很宽泛的概念啊，假如说是技术的话，可以先去了解了解大数据处理呀，看看hadoop，noSql个人觉得都是个不错的选择

9. 后台开发与数据挖掘哪个更适合研究生发展

兄弟，这种迷茫是很容易理解的，作为过来人，先让自己安静下来，然后再思考，不要被外面纷扰的信息打扰了自己内心的平静。数据挖掘也好，后台开发也罢，编程能力必不可少，但是你需要明白的是，很多机器学习工程师其实是在写软件，而不是侧重在机器学习算法本身，而很多数据挖掘工程师其实不是在调试算法，而是在写SQL。真正的聚焦在机器学习和数据挖掘工程师岗位往往需要你有一些项目背景和学术背景，如果发过顶会论文和期刊论文的话那就更好。

因此，我总结一下，如果你选择机器学习，你可以做下面的选择【仅供参考】

1. 如果你实验室或者导师学术能力比较强，那么跟着发主流领域的顶会或者期刊论文，由于你导师几乎是放羊状态，实验室学术能力也不强，这个选项就不适合你了。
2. 参加大数据和机器学习比赛，这种比赛有很多，每个侧重点不一样，你可以参与一下。

如果你选择后台开发，后台开发有很多，鉴于你的非专业的CS出身，而且可能本科没怎么写代码，建议

1. C++后台开发还是免了吧，因为除了学习C++，你还要学习网络编程和UNIX编程，而且目前需求也很少，能力要求高。不知道你能坚持多久。
2. Java后台，主要是Java Web，这个是很多人的选择，而且容易找工作。
3. Hadoop后台，主要做Hadoop开发，Hadoop你应该知道是什么，这里就不介绍了，当然Java基础必不可少。
4. Python/PHP后台，这些相对需求很少，而且也很难找到大公司的工作，因为需求不多。
5. 求助于实验室的师兄师姐他们，或者可以学到一点后台开发的技能。

另外，不管是什么专业，计算机的基础知识必不可少，数据结构+算法，计算机组成原理等等。

最后，鉴于你的没有太多的基础，因此不要对自己的期望过高，否则很那达到会有挫败感，而且这个时候一定要专注于一个领域不动摇，否则，你还是迷茫而且不知道方向在哪里。其实努力学习一个学期是可以学到很多知识的。加油！既然是南方985，应该也不差，毕竟南方经济发达，就业是比较容易的。

更新：

对于学习的建议

• 从一而终，不可随意换方向，因为你基础可能不是很好，浅尝辄止很容易不深入，不深入很难找工作
• 一定要做项目，而且项目要有难度

2017年12月7日更新

• 最近再一次阅读了Jiawei Han的《数据挖掘：概念与技术》，发现他写的比周老师的《机器学习》好太多，这本书知识全面而且容易理解。推荐阅读！
• 周老师的书《机器学习》也不错，特别是集成学习部分，讲的非常好，可能是周老师的研究重点在集成学习吧。
• 软件开发是互联网永恒的主题，即使有了AI也需要搬砖工，题主加油！

10. 程序员可以转行数据分析师吗

许多程序员会觉得自己会编程、能开发，转行数据分析师不成问题。一般来说，数据分析师可以分为两个方向。一个是偏技术方面，在这一方面，各位程序员可谓是优势十足。编程代码，不成问题，也要着重提高自己的数据挖掘以及数据可视化能力，最重要的是要培养自己的数据思维，通过数据发现问题解决问题。

另外一个方向就是偏业务方面，这需要很强的业务理解能力。程序员小伙伴如果选择这一方向的话，就需要加强对相关行业市场以及企业业务进行更加深入地了解，通过数据分析，帮助企业建立起统一的业务指标，发现企业运营中的问题，预测未来的发展方向并做出正确决策。

可以说，程序员转行数据分析师的优势还是很大的，但转行之前，还是需要确定自己的发展方向，为将来做一个大体的职业规划，才能朝着方向不断努力。大家转行找工作之前，先对照目标公司的招聘要求，看自己的实际能力是否与要求相匹配。

关于程序员可以转行数据分析师吗，青藤小编就和您分享到这里了。如果你对大数据工程有浓厚的兴趣，希望这篇文章能够对你有所帮助。如果您还想了解更多数据分析师、大数据工程师的技巧及素材等内容，可以点击本站的其他文章进行学习。