需要學(xué)習(xí)統(tǒng)計知識和概率知識。(1)做數(shù)據(jù)分析時，統(tǒng)計知識是肯定需要的，Excel、SPSS、R是需要掌握的基本功。如果我們做數(shù)據(jù) -0/，就要注意數(shù)學(xué)的知識。數(shù)據(jù) 挖掘我們需要一些數(shù)學(xué)知識才能從海量中發(fā)現(xiàn)規(guī)律數(shù)據(jù)。(2)學(xué)習(xí)樸素貝葉斯算法需要概率論的知識，而SKM算法需要高等代數(shù)或區(qū)間理論的知識。

但是要想深入學(xué)習(xí)這些算法，最好還是學(xué)習(xí)一些數(shù)學(xué)知識，這樣也能讓我們以后的路走得更順暢。我們經(jīng)常使用的語言有Python，Java，C或者C 。關(guān)于數(shù)據(jù) 挖掘的相關(guān)學(xué)習(xí)，推薦CDA 數(shù)據(jù)的相關(guān)課程。課程培養(yǎng)硬-3挖掘理論與Python數(shù)據(jù)挖掘算法技巧，也兼顧培養(yǎng)學(xué)生的軟數(shù)據(jù)治理思維、經(jīng)營戰(zhàn)略優(yōu)化思維、挖掘商

數(shù)據(jù)挖掘和金融應(yīng)用通過大數(shù)據(jù)應(yīng)用、數(shù)據(jù)分析等技術(shù)幫助學(xué)生提高數(shù)字素養(yǎng)。學(xué)習(xí)財經(jīng)領(lǐng)域常用的方法、技巧、工具和軟件數(shù)據(jù)，引導(dǎo)學(xué)生關(guān)注和思考身邊的時事和與專業(yè)相關(guān)的熱點問題，學(xué)會運用分析工具解決實際問題培養(yǎng)，學(xué)生綜合解決問題。通過“Da 數(shù)據(jù)應(yīng)用”、“-3/分析”等技術(shù)與專業(yè)的結(jié)合，使學(xué)生強化職業(yè)認(rèn)同感，增強學(xué)習(xí)使命感。以“-3/人才稀缺性分析”為切入點，引入大國戰(zhàn)略、技術(shù)強化等思想政治要素。

一般:13個月，主要看個人的吸收和理解情況能力。數(shù)據(jù) 挖掘?qū)儆谥R發(fā)現(xiàn)的一種，主要是從海量的數(shù)據(jù)數(shù)據(jù)庫中尋找事物之間的關(guān)系。這是目前業(yè)內(nèi)的主流觀點，但也是狹義的數(shù)據(jù)-。從廣義上講，數(shù)據(jù) 挖掘不僅僅是來自數(shù)據(jù)數(shù)據(jù)庫的知識發(fā)現(xiàn)，而且挖掘的模型也不僅僅是關(guān)聯(lián)規(guī)則。甚至狹義的數(shù)據(jù) 挖掘都需要相當(dāng)?shù)腎T基礎(chǔ)，數(shù)理邏輯更好。

但是你一點基礎(chǔ)都沒有。對你來說，可能主要是入門的問題。你最好去書店多買些書參考。你不可能兩個月看完所有的書，不管你懂不懂，然后你就懂了，再看的時候就不無聊了。那我覺得你應(yīng)該能勝任這份工作。如果還是沒有頭緒，說明這個門檻對你來說太高了；如果你厭倦了，那很好。一兩百元買書，就不會浪費生命。如果兩個月后你又花錢買了500元的書，應(yīng)該恭喜你選對了方向。

學(xué)習(xí)數(shù)學(xué)與統(tǒng)計:大數(shù)據(jù)需要數(shù)學(xué)與統(tǒng)計的知識，以便分析處理大量數(shù)據(jù)。學(xué)習(xí)編程語言:學(xué)習(xí)數(shù)據(jù)分析相關(guān)編程語言，如Python、R等，并練習(xí)使用它們進(jìn)行數(shù)據(jù)分析。學(xué)習(xí)數(shù)據(jù)分析工具:學(xué)習(xí)數(shù)據(jù)分析工具，如Excel和Tableau，并練習(xí)使用它們進(jìn)行數(shù)據(jù)分析。聯(lián)系實際數(shù)據(jù):通過實際數(shù)據(jù)項目練習(xí)思考，并對數(shù)據(jù)進(jìn)行清理、分析和可視化。

如果參加Da 數(shù)據(jù)的培訓(xùn)，在三個多月的時間里，老師會給學(xué)生講很多Da 數(shù)據(jù)的技巧，帶學(xué)生做項目。畢業(yè)后，你一定會掌握比同期沒有經(jīng)過培訓(xùn)的人更多的技能。所以，如果你打算從事大數(shù)據(jù)行業(yè)，最好在上班前進(jìn)行一些培訓(xùn)。大學(xué)數(shù)據(jù)是新興行業(yè)，大學(xué)數(shù)據(jù)技術(shù)也是前沿技術(shù)。很少有大學(xué)開設(shè)這門課程，即使有也是很基礎(chǔ)的大學(xué)數(shù)據(jù)技術(shù)，對于用人單位來說遠(yuǎn)遠(yuǎn)不夠，他們需要。如果你精通Hadoop，MapReduce，Hive 數(shù)據(jù) Warehouse，spark生態(tài)系統(tǒng)，SparkStreaming，storm實時計算，zookeeper等。，找一份月薪過萬的普通工作是絕對沒問題的。這些技術(shù)在學(xué)校是學(xué)不到的，很多培訓(xùn)機構(gòu)也很難講得這么多這么深入。只有參加了專業(yè)的培訓(xùn)數(shù)據(jù)才能學(xué)到這些內(nèi)容，才能獲得真正的項目經(jīng)驗，這也是為什么參加了培訓(xùn)數(shù)據(jù)的同學(xué)工資比沒有參加的同學(xué)高很多的原因。

3月13日下午，南京郵電大學(xué)計算機學(xué)院、軟件學(xué)院院長、教授李濤在CIO時代APP微課專欄做了題為“Da數(shù)據(jù)Times挖掘”的主題分享，對Da挖掘進(jìn)行了深度解讀眾所周知，“大數(shù)據(jù)挖掘”時代已經(jīng)成為各行各業(yè)關(guān)注的熱點。1.-3挖掘在數(shù)據(jù)的時代，數(shù)據(jù)的生成和收集是基礎(chǔ)，數(shù)據(jù)-0。

不同的學(xué)者對數(shù)據(jù) 挖掘的理解不同，但個人認(rèn)為數(shù)據(jù) 挖掘的特點主要有以下四個方面:1 .應(yīng)用:數(shù)據(jù) 挖掘來源于實際生產(chǎn)生活中應(yīng)用的需求，挖掘 數(shù)據(jù)來源于具體應(yīng)用，同時通過數(shù)據(jù) -。