零基础数据挖掘学习清单

Posted 2020-06-09

先甩片汤话：不知怎么的，就从纯工科的学业到管理工作岗位，又进入了数据挖掘的学习。一切都是从头学起，不会写代码，(本科学的C++，也只记得课程的名字)，数学也多年未动，离散数学从未接触，这条路步履维艰。

啥也不说了，有时间抱怨，不如迅速开干，用了一个月不到，首先明确自己哪里不足（其实就是哪里都不足），把自己要补足的东西先码在这，东西有点多，变身！拼了！

P.S：平时上班，工作也很忙。按照这个计划，已经进行了2-3个月了，已经有点感觉了。其实，这两三个月也没有塌下心来学，估计自己半年就可以入门了。

 

                                                                                                                                                              

废话不多，先把自己的学习清单给自己列出来。本人零基础，所以有些东西很基础，高手莫要笔试。

1.数据挖掘基本知识

这一部分主要是看书，先了解一个情况。至于用什么书。口碑比较好的有《数据挖掘：概念与技术（第3版）》。我买了，看了一大半，感觉不太适合初学者。有些概念直接给出，对于底子不好的人有些突兀，要是硬着头皮使劲看，还是很有收获的，适合入门以后反复看。推荐一本很老的书《数据仓库与数据挖掘》，作者：武森等。这本书相对来说不那么厚，很多基础概念也有论述，对初学者来说很友好。

这一部分的学习是贯穿始终的，有经验的前辈们介绍，什么时候拿出来看看都是有收获的。

2.数学基础

这一部分也是不可或缺的，学一下未必能有感受。学好了，绝对收益无穷。我的计划是穿插在整个学习过程中。主要内容是：线性代数、离散数学。

（1）线性代数

已经学过的，没学过的都要认真学一下。国内的教材个人以为对概念没有深入说透。比如特征值和特征向量，到底干嘛用的。矩阵的乘法本质意义，也没说清楚。

推荐麻省理工的公开课：线性代数。网易公开课就有翻译好的。附上链接：

http://open.163.com/special/opencourse/daishu.html

（2）离散数学

这个大部分人（不是专业的）都没学过，听着就头痛。别急，不用全学，重点是图论、代数系统、命题（谓词和逻辑）、集合与关系。随便找一本薄一点的教材。这些内容其实之前高中本科都有接触，主要是一些逻辑符号，思维方式需要看懂。否则在一些地方看到一些莫名其妙的符号，不了解，看到一些简单的公式以为很复杂，得不偿失。

（3）运筹学

这个绝对是基础课，之所以放在后面是因为本人认真学了。推荐的教材《运筹学》教材编写组编写。一本大厚绿皮书。对策论等跟博弈论有关的不用看。有条件的可以把算法在跑一遍。绝对收获良多。

3.工具

这部分本人在网上查了很久，课题组问了几百遍。最终确认的这几个。很多人说有编程经验的人，学一个就一两周的事，无奈，我零基础。所以，这一部分绝对是个重点。先说本人确定的语言：MATLAB、Python、R。

（1）MATLAB

先说MATLAB，别说这个老，别说这个是学校搞学术才用的。不想挑起争论，主要理由——好上手。上手以后就可以跑一些算法，提高一些信心和学习的乐趣。教材我随便找一本厚厚的备查（从来没翻过）。我主要看的是官方手册的Primer。然后就开始写脚本和函数，如果有看不懂的直接百度、google或者help。写的都很清楚。这一部分主要是迅速上手，我已经略有收获了。

（2）Python和R

这两个放在一起，是因为网上关于这两个的争论太多了。本人也无数次迷失过。不争论优劣，确实是各有优势。我的顺序是首先学python，立志以这个作为自己的主要程序。其次再是R，从画图入手。R画出来的图真是好看。至于学习的思路：先找一本入门的书，越简单越好，学完之后找一本手册，然后练习。

首先python，先看《Head First Python》。挺好的。简单易懂，网上竟然还能下载到英文的PDF。然后是《利用Python进行数据分析》和《机器学习实战》。第一本书主要是利用Python做数据挖掘的，基本提到Python学习都会推荐这本。第二本是理解机器学习的佳作，书中用到的语言就是Python。一边学语言，一边理解机器学习。很好的顺序。

其次R，因为有了前面的一部分基础，学起来会容易一些。主要推荐教材是《R语言初学者指南》和《R语言实战》。这部分的学习我准备跳着看，早期主要利用R来画图。然后步步深入着学习。这样才能充分的练习，而不仅仅是纸上谈兵。

（3）mysql

最后加一个，了解一点Mysql，由于零基础对数据的各种都不了解，强烈推荐一周读完《深入浅出Mysql》。难度不大，主要是入门。如果以后用得着，再深入研究。

再次重申一遍：这一阶段还是要找程序写。如果有工作或者项目，直接上，学的最快。如果没有，找篇不错的，感兴趣的博士论文，跑一遍里边的程序。这部分内容不是学出来的，绝对练出来的。

4.算法

算法太多了，常见的就那些。一方面要看明白，理解算法。另一方面用上面的语言跑出来。既能理解算法，也能很好的熟悉语言。

5.文本编辑器

直接上干货。Emacs org-mode。这部分是等进入高阶阶段要学的东西。不是因为难，不是因为不好。主要是因为这个不是本人现在的当务之急。看别人用的，心理痒痒，确实很好。所以，姑且放在这里。

                                                                                                                                                                  

总结

整个入门阶段，千万不要抱着学完一个在学一个的思想。同时学！比如，语言入门了，就找算法实践。看到一个算法，一定要程序跑出来。中间累了，把数学基础补一补。看算法的时候，数学哪里不懂，百度哪里。

总结一句话：反复实践。半年入门。

（有需要，欢迎交流，需要什么资料，本人有的话可以分享。）