- 相關(guān)推薦
數據挖掘專(zhuān)業(yè)就業(yè)方向
數據挖掘(英語(yǔ)：Data mining)，又譯為資料探勘、數據采礦。下面小編為大家帶來(lái)數據挖掘專(zhuān)業(yè)就業(yè)方向，僅供參考，希望能夠幫到大家。
數據挖掘專(zhuān)業(yè)就業(yè)方向1
1.數據挖掘主要是做算法還是做應用?分別都要求什么?
這個(gè)問(wèn)題太籠統，基本上算法和應用是兩個(gè)人來(lái)做的，可能是數據挖掘職位。做算法的比較少，也比較高級。
其實(shí)所謂做算法大多數時(shí)候都不是設計新的算法(這個(gè)可以寫(xiě)論文了)，更多的是技術(shù)選型，特征工程抽取，最多是實(shí)現一些已經(jīng)有論文但是還沒(méi)有開(kāi)源模塊的算法等，還是要求扎實(shí)的算法和數據結構功底，以及豐富的分布式計算的知識的，以及不錯的英文閱讀和寫(xiě)作能力。但即使是這樣也是百里挑一的，很難找到。
絕大讀書(shū)數據挖掘崗位都是做應用，數據清洗，用現成的庫建模，如果你自己不往算法或者架構方面繼續提升，和其他的開(kāi)發(fā)崗位的性質(zhì)基本沒(méi)什么不同，只要會(huì )編程都是很容易入門(mén)的。
2.北上廣以外的普通公司用的多嗎?待遇如何?
實(shí)際情況不太清楚，由于數據挖掘和大數據這個(gè)概念太火了，肯定到處都有人招聘響應的崗位，但是二線(xiàn)城市可能僅僅是停留在概念上，很多實(shí)際的工作并沒(méi)有接觸到足夠大的.數據，都是生搬硬套框架(從我面試的人的工作經(jīng)驗上看即使是在北上廣深這種情況也比較多見(jiàn))。
只是在北上廣深，可能接觸到大數據的機會(huì )多一些。而且做數據挖掘現在熱點(diǎn)的技術(shù)比如Python，Spark，Scala，R這些技術(shù)除了在一線(xiàn)城市之外基本上沒(méi)有足夠的市場(chǎng)(因為會(huì )的人太少了，二線(xiàn)城市的公司找不到掌握這些技術(shù)的人，不招也沒(méi)人學(xué))。
所以我推測二線(xiàn)城市最多的還是用JAVA+Hadoop，或者用JAVA寫(xiě)一些Spark程序。北上廣深和二線(xiàn)城市程序員比待遇是欺負人，就不討論了。
3.和前端后端程序員比有什么區別?有什么優(yōu)缺點(diǎn)?
和傳統的前后端程序員相比，最主要的去別就是對編程水平的要求。從我招聘的情況來(lái)看，做數據挖掘的人編程水平要求可以降低一個(gè)檔次，甚至都不用掌握面向對象。
但是要求技術(shù)全面，編程、SQL，Linux，正則表達式，Hadoop，Spark，爬蟲(chóng)，機器學(xué)習模型等技術(shù)都要掌握一些。前后端可能是要求精深，數據挖掘更強調廣博，有架構能力更好。
4.目前在學(xué)習機器學(xué)習，如果想找數據挖掘方面的工作應該學(xué)習哪些內容?
打基礎是最重要的，學(xué)習一門(mén)數據挖掘常用的語(yǔ)言，比如Python，Scala，R;學(xué)習足夠的Linux經(jīng)驗，能夠通過(guò)awk，grep等Linux命令快速的處理文本文件。掌握SQL，MySQL或者PostgreSQL都是比較常用的關(guān)系型數據庫，搞數據的別跟我說(shuō)不會(huì )用數據庫。
補充的一些技能，比如NoSQL的使用，Elasticsearch的使用，分詞(jieba等模塊的使用)，算法的數據結構的知識。
5.hadoop,hive之類(lèi)的需要學(xué)習嗎?
我覺(jué)得應當學(xué)習，首先Hadoop和Hive很簡(jiǎn)單(如果你用AWS的話(huà)你可以開(kāi)一臺EMR，上面直接就有Hadoop和Hive，可以直接從使用學(xué)起)。
我覺(jué)得如果不折騰安裝和部署，還有Linux和MySQL的經(jīng)驗，只要半天到一天就能熟悉Hadoop和Hive的使用(當然你得有Linux和MySQL的基礎，如果沒(méi)有就先老老實(shí)實(shí)的學(xué)Linux和MySQL，這兩個(gè)都可以在自己的PC上安裝，自己折騰)。
Spark對很多人來(lái)說(shuō)才是需要學(xué)習的，如果你有JAVA經(jīng)驗大可以從JAVA入門(mén)。如果沒(méi)有那么還是建議從Scala入門(mén)，但是實(shí)際上如果沒(méi)有JAVA經(jīng)驗，Scala入門(mén)也會(huì )有一定難度，但是可以慢慢補。
所以總的來(lái)說(shuō)Spark才足夠難，以至于需要學(xué)習。
最后的最后我有一些建議。第一要對自己有一個(gè)系統的認知，自己的編程水平夠么，SQL會(huì )用么，Linux會(huì )用么，能流暢的看英文文檔么?
如果上面任何一個(gè)問(wèn)題的答案是No，我都不建議直接轉行或者申請高級的數據挖掘職位(因為你很難找到一個(gè)正經(jīng)的數據挖掘崗位，頂多是一些打擦邊球的崗位，無(wú)論是實(shí)際干的工作還是未來(lái)的成長(cháng)可能對你的幫助都不大)。
無(wú)論你現在是學(xué)生還是已經(jīng)再做一些前段后端、運維之類(lèi)的工作你都有足夠的時(shí)間補齊這些基礎知識。
補齊了這些知識之后，第一件事就是了解大數據生態(tài)，Hadoop生態(tài)圈，Spark生態(tài)圈，機器學(xué)習，深度學(xué)習(后兩者需要高等數學(xué)和線(xiàn)性代數基礎，如果你的大學(xué)專(zhuān)業(yè)學(xué)這些不要混)。
數據挖掘專(zhuān)業(yè)就業(yè)方向2
A：做科研(在高校、科研單位以及大型企業(yè)，主要研究算法、應用等)
B：做程序開(kāi)發(fā)設計（在企業(yè)做數據挖掘及其相關(guān)程序算法的實(shí)現等）
C：數據分析師（在存在海量數據的企事業(yè)單位做咨詢(xún)、分析等）
現在各個(gè)公司對于數據挖掘崗位的技能要求偏應用多一些。目前市面上的`崗位一般分為算法模型、數據挖掘、數據分析三種。
應用及就業(yè)領(lǐng)域
當前數據挖掘應用主要集中在電信(客戶(hù)分析)，零售(銷(xiāo)售預測)，農業(yè)(行業(yè)數據預測)，網(wǎng)絡(luò )日志(網(wǎng)頁(yè)定制)，銀行(客戶(hù)欺詐)，電力(客戶(hù)呼叫)，生物(基因)，天體(星體分類(lèi))，化工，醫藥等方面。
當前它能解決的問(wèn)題典型在于：數據庫營(yíng)銷(xiāo)(Database Marketing)、客戶(hù)群體劃分(Customer Segmentation &Classification)、背景分析(Profile Analysis)、交叉銷(xiāo)售(Cross-selling)等市場(chǎng)分析行為，以及客戶(hù)流失性分析(Churn Analysis)、客戶(hù)信用記分(Credit Scoring)、欺詐發(fā)現(Fraud Detection)等等，在許多領(lǐng)域得到了成功的應用。
【數據挖掘專(zhuān)業(yè)就業(yè)方向】相關(guān)文章：
2017數據就業(yè)方向11-19
德語(yǔ)專(zhuān)業(yè)就業(yè)方向11-12