對(duì)于數(shù)據(jù) 挖掘，不同的學(xué)者有不同的理解，但個(gè)人認(rèn)為數(shù)據(jù) 挖掘的特點(diǎn)主要有以下四個(gè)方面:1 .數(shù)據(jù) 挖掘從實(shí)際生產(chǎn)生活需求出發(fā)，挖掘 數(shù)據(jù)從具體應(yīng)用出發(fā)，同時(shí)通過(guò)數(shù)據(jù) -。

人們把primitive 數(shù)據(jù)當(dāng)作知識(shí)的源泉，就像從礦石中采礦一樣。原數(shù)據(jù)可以是結(jié)構(gòu)化的，如庫(kù)中的關(guān)系數(shù)據(jù)，也可以是半結(jié)構(gòu)化的，如文本、圖形、圖像數(shù)據(jù)，甚至是異構(gòu)的數(shù)據(jù)，分布在網(wǎng)絡(luò)上。發(fā)現(xiàn)知識(shí)的方法可以是數(shù)學(xué)的，也可以是非數(shù)學(xué)的；它可以是演繹的，也可以是歸納的。發(fā)現(xiàn)的知識(shí)可用于信息管理、查詢(xún)優(yōu)化、決策支持、過(guò)程控制等。也可用于數(shù)據(jù)本身的維護(hù)。

在我看來(lái)，java第一，scala第二，python第三。雖然數(shù)據(jù)目前是scala寫(xiě)的，但是java還是很重要的，因?yàn)閔adoop生態(tài)系統(tǒng)都是java開(kāi)發(fā)出來(lái)的，二次開(kāi)發(fā)一定要用！比如公司需要使用flume來(lái)訪問(wèn)數(shù)據(jù)，但是flume自帶的源和匯都不能很好的滿(mǎn)足業(yè)務(wù)需求，所以你需要自定義源和匯，所以你不可能熟悉java。

國(guó)產(chǎn)數(shù)據(jù) 挖掘、大型數(shù)據(jù)應(yīng)用主要包括以下幾類(lèi):1 .電子商務(wù)推薦系統(tǒng)?；旧隙际腔趨f(xié)同過(guò)濾的推薦系統(tǒng):背后的算法是基于內(nèi)容、用戶(hù)行為、產(chǎn)品等等。2.另一種方法是分析網(wǎng)絡(luò)用戶(hù)的行為。來(lái)分析用戶(hù)在網(wǎng)站上的點(diǎn)擊行為。從而為產(chǎn)品設(shè)計(jì)和產(chǎn)品改進(jìn)提供指導(dǎo)。3.當(dāng)然文挖掘目前很流行，因?yàn)橐郧笆屈c(diǎn)擊流數(shù)據(jù)。對(duì)于用戶(hù)評(píng)論的文字信息，很少進(jìn)行提煉，主要使用Google和垂直搜索引擎，比如排序。

據(jù)搜索研究公司comScore的數(shù)據(jù)統(tǒng)計(jì)，僅2012年3月，谷歌處理的搜索詞數(shù)量就高達(dá)122億條。谷歌的規(guī)模和范圍使其比其他大多數(shù)企業(yè)有更多的申請(qǐng)途徑。想了解更多Da數(shù)據(jù)-2/，推薦CDA 數(shù)據(jù)分析師課程。課程內(nèi)容重點(diǎn)培養(yǎng)解決數(shù)據(jù)-2/過(guò)程問(wèn)題的橫向能力和解決數(shù)據(jù)-2/算法問(wèn)題的縱向能力。

科技魔方是一個(gè)大型數(shù)據(jù)模型平臺(tái)，是基于服務(wù)總線和分布式云計(jì)算兩種技術(shù)架構(gòu)的數(shù)據(jù)分析和挖掘的工具平臺(tái)。它采用分布式文件系統(tǒng)對(duì)-。采用各種數(shù)據(jù)采集技術(shù)支持結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)采集。通過(guò)圖形模型構(gòu)建工具，它支持過(guò)程模型配置。通過(guò)第三方插件技術(shù)，可以很容易地將其他工具和服務(wù)集成到平臺(tái)中。