❶ 學習數據挖掘一般要學哪些軟體和工具
1.數據挖掘基本知識
這一部分主要是看書，先了解一個情況。至於用什麼書。口碑比較好的有《數據挖掘：概念與技術（第3版）》。我買了，看了一大半，感覺不太適合初學者。有些概念直接給出，對於底子不好的人有些突兀，要是硬著頭皮使勁看，還是很有收獲的，適合入門以後反復看。推薦一本很老的書《數據倉庫與數據挖掘》。這本書相對來說不那麼厚，很多基礎概念也有論述，對初學者來說很友好。
這一部分的學習是貫穿始終的，有經驗的前輩們介紹，什麼時候拿出來看看都是有收獲的。
2.數學基礎
這一部分也是不可或缺的，學一下未必能有感受。學好了，絕對收益無窮。我的計劃是穿插在整個學習過程中。主要內容是：線性代數、離散數學。
（1）線性代數
已經學過的，沒學過的都要認真學一下。國內的教材個人以為對概念沒有深入說透。比如特徵值和特徵向量，到底幹嘛用的。矩陣的乘法本質意義，也沒說清楚。
（2）離散數學
這個大部分人（不是專業的）都沒學過，聽著就頭痛。別急，不用全學，重點是圖論、代數系統、命題（謂詞和邏輯）、集合與關系。隨便找一本薄一點的教材。這些內容其實之前高中本科都有接觸，主要是一些邏輯符號，思維方式需要看懂。否則在一些地方看到一些莫名其妙的符號，不了解，看到一些簡單的公式以為很復雜，得不償失。
（3）運籌學
這個絕對是基礎課，之所以放在後面是因為本人認真學了。推薦的教材《運籌學》教材編寫組編寫。一本大厚綠皮書。對策論等跟博弈論有關的不用看。有條件的可以把演算法在跑一遍。絕對收獲良多。
3.工具
這部分本人在網上查了很久，課題組問了幾百遍。最終確認的這幾個。很多人說有編程經驗的人，學一個就一兩周的事，無奈，我零基礎。所以，這一部分絕對是個重點。先說本人確定的語言：MATLAB、Python、R。
（1）MATLAB
先說MATLAB，別說這個老，別說這個是學校搞學術才用的。不想挑起爭論，主要理由——好上手。上手以後就可以跑一些演算法，提高一些信心和學習的樂趣。教材我隨便找一本厚厚的備查（從來沒翻過）。我主要看的是官方手冊的Primer。然後就開始寫腳本和函數，如果有看不懂的直接網路、google或者help。寫的都很清楚。這一部分主要是迅速上手，我已經略有收獲了。
（2）Python和R
這兩個放在一起，是因為網上關於這兩個的爭論太多了。本人也無數次迷失過。不爭論優劣，確實是各有優勢。我的順序是首先學python，立志以這個作為自己的主要程序。其次再是R，從畫圖入手。R畫出來的圖真是好看。至於學習的思路：先找一本入門的書，越簡單越好，學完之後找一本手冊，然後練習。
首先python，先看《Head First Python》。挺好的。簡單易懂，網上竟然還能下載到英文的PDF。然後是《利用Python進行數據分析》和《機器學習實戰》。第一本書主要是利用Python做數據挖掘的，基本提到Python學習都會推薦這本。第二本是理解機器學習的佳作，書中用到的語言就是Python。一邊學語言，一邊理解機器學習。很好的順序。
其次R，因為有了前面的一部分基礎，學起來會容易一些。主要推薦教材是《R語言初學者指南》和《R語言實戰》。這部分的學習我准備跳著看，早期主要利用R來畫圖。然後步步深入著學習。這樣才能充分的練習，而不僅僅是紙上談兵。
（3）Mysql
最後加一個，了解一點Mysql，由於零基礎對數據的各種都不了解，強烈推薦一周讀完《深入淺出Mysql》。難度不大，主要是入門。如果以後用得著，再深入研究。
再次重申一遍：這一階段還是要找程序寫。如果有工作或者項目，直接上，學的最快。如果沒有，找篇不錯的，感興趣的博士論文，跑一遍里邊的程序。這部分內容不是學出來的，絕對練出來的。
4.演算法
演算法太多了，常見的就那些。一方面要看明白，理解演算法。另一方面用上面的語言跑出來。既能理解演算法，也能很好的熟悉語言。
總結
整個入門階段，千萬不要抱著學完一個在學一個的思想。同時學！比如，語言入門了，就找演算法實踐。看到一個演算法，一定要程序跑出來。中間累了，把數學基礎補一補。
❷ 只有c語言知識 現在想往數據挖掘和雲計算方向發展 需要學習什麼
你可以先學一下C++，順帶學一下MFC。然後學一下JAVA，把主流語言學一下，保證後續學習開發無憂。然後學習互聯網知識和Linux編程，有空最好研究一下分布式操作系統。望採納
❸ 做數據挖掘和機器學習的話學c語言的數據結構還是Java的數據結構
數據結構是表達計算機存儲、組織數據的方式。比如數組和列表，他們的構成就不一樣，因此會各有適用的情況。C和JAVA只是不同的編程語言，編程語言主要的作用是用於對事情的描述。因此兩種關系不大。既然前期看的c語言的數據結構，建議繼續看c的，編譯理解。我就是適用java語言，而學習的c語言的數據結構。望採納。
❹ 實現數據挖掘演算法用什麼語言比較方便
看你想做的是什麼。如果是核心技術實現的，推薦C語言；
如果是應用實現，那就撿開發最快，最多人用的就好。
❺ 數據挖掘工程師必須會C/JAVA語言編程嗎只會MATLAB可以嗎
我現在在做數據挖掘 但是數據挖掘分很多方面
我現在做的是用C語言編寫的數據挖掘軟體，但一般的數據挖掘工程師（我以前的工作），都是用spss SAS weka(用java編寫的開源的數據挖掘軟體，我老師推薦給我的，很強大）進行數據挖掘。
如果想成為一個厲害的數據挖掘工程師：
必須掌握：
機器學習，資料庫，統計學，科學計算（這個是基礎）
軟體：
SPSS SAS 其實一般數據挖掘不用MATLAB mathmatical 軟體會可能更好
要掌握C語言，JAVA語言處理不是很好
反正這是一個非常復雜的職位，是計算機 統計學 管理科學的交叉學科，這三方面都要會。
❻ 學習數據挖掘需要那些基礎知識
入門推薦你看《機器學習實戰》，不需要你跑去學習演算法和數據結構，不需要解析幾何的知識，但是數理統計的基礎你必須要有，期望、方差、常用的幾種概率分布，尤其注意一下條件概率，因為樸素貝葉斯模型你一定要懂，線性代數至少你要明白矩陣乘法、行列式計算，再就是微積分知識，不然你看不懂所有基於梯度下降法的文獻，行業內用的比較多的是c++，java和python，推薦你用python，很多模型不需要你造輪子，python有相關的第三方模塊，很方便。
數據挖掘涉及的內容比較泛，機器學習、數據挖掘、人工智慧，但實際上這些知識大多是相通的，機器學習實戰這本書是我看的啟蒙書里很好的一本了，該有的都有，難度較小，有理論有實踐，可以較快的對各種知識有個大概的了解，但是想要長期在這個行業發展，還需要學習更多的知識，比如說提到回歸模型，你不僅僅要知道最小二乘法，你還要想到怎麼進行數據清洗、哪些數據需要清洗，怎麼規范數據，數據是否過多，要不要進行歸約和降維，採用哪種回歸模型，精確度大致要達到什麼水平，要不要考慮過擬合和欠擬合，要不要進行交叉驗證，幾折交叉驗證效果好，如果回歸模型不適用，有哪些備選方案。比如說決策樹模型，書上簡單的講了個if-then就完了，按照什麼規則生成樹，怎麼分層，要不要剪枝，最終的效果怎麼樣，造成誤差的原因是模型太復雜還是太簡單，怎麼綜合其他模型對決策樹進行改進，數據的聚類方法用k均值還是DBSCAN，需要對數據進行分類的時候要考慮數據量大不大，SVM還是神經網路，數據量計算機吃不吃得消，一次吃不消該怎麼做，等你對這些有了大致的了解之後，好好看看《統計學習方法》這本書，深入地了解一下理論部分，看一看核心部分的數學模型，看一看如何演算法實現，著重理解一下拉格朗日微分法和拉格朗日對偶，解決等式約束和不等式約束很有用，這個也是使用智能演算法嘗試解決NP完全問題的一個結合點。
除了看書以外，其他時間全部用在學習編程上，python常用的numpy、matplotlib、scipy、sklearn、nltk這些包你都要大致了解怎麼用，推薦你看看圖靈程序設計叢書里的《python學習手冊》《python自然語言處理》《python科學計算》，至少要知道怎麼定義類、方法、屬性，常用模塊里有哪些好用的方法，常見的異常怎麼排除，其他的在有時間的時候隨用隨學，至於演算法和數據結構，有時間的話看看《演算法導論》，肯定有所收獲。
至於說書單就上豆瓣搜一搜，評分高的一般都比較靠譜，英文版的也比較靠譜
❼ 學數據分析與數據挖掘用什麼技術
數據分析和數據挖掘所需技術側重點不一樣。
數據分析偏向於業務，需熟練運用spss、r、python、sas、Excel、資料庫、數據建模等相關數據分析工具，熟練一些商業知識架構，會將各項數據結合起來發現企業經營過程中的業務問題，從而為企業解決問題。數據分析技術有 數據倉庫技術； 資料庫技術； Hadoop等衍生系統技術；數據挖掘技術；自然語言處理技術； 社交網路分析技術； 信息檢索技術； 雲計算技術； No-SQL技術； 數據可視化技術。數據挖掘偏重於演算法，基礎是要會 c語言，python 或 R 語言是必須會的, java 或者 C++ 最好也會, 還會涉及spark, hadoop ，所以數據挖掘對編程的要求高一點, 有些公司職位還要求會 sql，數據挖掘技術有：決策樹技術；神經網路技術；回歸分析技術；關聯規則技術；聚類分析技術；貝葉斯分類技術。
如果說想要提升數據分析和數據挖掘的能力，這里推薦CDA數據分析師的相關課程，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;只教實用干貨，以專精技術能力提升業務效果與效率;課程中安排了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。撐點擊預約免費試聽課。
❽ 不會寫代碼，怎麼做數據挖掘
提供三種辦法：
1.在網上找找《南開100題》C語言版，仔細研究，反復研究，直到看到題就想起代碼。
2.把以前C語言的課本找出來，做熟每一道習題。
3.找資料學習PASCAL語言，PASCAL功能強大，語言風格嚴謹，對於培養嚴密的思維、邏輯能力有好處。
數據挖掘目前在中國尚未流行開來，猶如屠龍之技。數據初期的准備通常占整個數據挖掘項目工作量的70%左右。 數據挖掘本身融合了統計學、資料庫和機器學習等學科，並不是新的技術。數據挖掘技術更適合業務人員學習（相比技術人員學習業務來的更高效）數據挖掘適用於傳統的BI（報表、OLAP等）無法支持的領域。 數據挖掘項目通常需要重復一些毫無技術含量的工作。
想要了解更多有關數據挖掘的信息，可以了解一下CDA數據分析師的課程。課程內容兼顧培養解決數據挖掘流程問題的橫向能力以及解決數據挖掘演算法問題的縱向能力。要求學生具備從數據治理根源出發的思維，通過數字化工作方法來探查業務問題，通過近因分析、宏觀根因分析等手段，再選擇業務流程優化工具還是演算法工具，而非「遇到問題調演算法包」，提供決策的新型數據分析人才。點擊預約免費試聽課。
❾ 學了c語言能做什麼，找什麼工作
這個是我在另一個問題的回答，那個是問java的，不過答案對c同樣適用。
現在it發展趨勢很好，相關專業的很好找工作（前提是學的好）
注意：我說的是相關專業（或者說是經過系統學習的）。也就是說你僅僅會個java並沒有什麼卵用，要成為一個程序員，或者是能找到工作的程序員，不只是會個編程語言這么簡單。
我直接給你貼大公司的招聘要求吧：
這是網路的，還是校招（校招是面對應屆生，相應的要求低一點）的：
-熱愛互聯網，對互聯網產品和技術有濃厚的興趣，熱衷於追求技術極致與創新
-深刻理解計算機數據結構和演算法設計，精通C/C++、Java、PHP、python中至少一門編程語言
-了解windows、unix、linux等主流操作系統原理，熟練運用系統層支持應用開發
-優秀的分析問題和解決問題的能力，勇於解決難題
-強烈的上進心和求知慾，較強的學習能力和溝通能力，具備良好的團隊合作精神
具有以下條件者優先考慮：
-計算機領域相關的編程大賽獲獎、專業期刊發表文章或者有發明專利等
-有一定項目經驗，熟悉軟體工程開發流程
-具備專業領域的計算機知識和技能：搜索引擎、數據挖掘/機器學習、多媒體、地理信息系統、雲計算、分布式系統等
這是產品開發方面的，其他公司的要求都是大同小異。
總結：現在it行業蓬勃發展，相關專業的剛畢業就簽到15K+的多得是。但外行的想進入這個行業不容易（不容易是指取得同樣的工資，外行花費的時間精力要比科班的多）