由于本科专业是生物信息(可以了解为生物统计学或者与基因数据相关的数据发掘学科)，所以那时曾经末尾接触数据发掘，对统计也算有一定的基础。记得大二的时分，我便末尾学用matlab，然后玩弄SVM， 神经网络之类的机器学习算法做一些分析和实验。如今想想那时分能够连这些算法的基本概念都不是很明晰，算是皮毛都不懂。但有一点就是，让我对这类算法不怎 么畏惧，甚至于非常感兴味。本科的时分，发现本人对生物兴味不大，倒是对编程颇以为是，所以读研又改学了计算机。虽然换了专业，但我对数据发掘照旧兴味不 减。在研讨生阶段，触及数据发掘，机器学习，高级数据库之类的课程我的成绩都是90+， 这至少阐明我很用心。总之，读研这几年我也在不断地规划着本人的数据发掘之路。但是，数据发掘是门交叉学科，触及的内容很多，而且还需求实际联络实践，要 掌握起来其实是非常困难的。我曾经非常干练地以为，数据发掘无所不能，适用于各行各业，却忽视了数据发掘非常难以掌握的一面。首先，要构建残缺的数据发掘 实际知识体系;其次，要可以 深化到详细的行业或市场停止详细项目的实战。至于学习数据发掘的前景，引荐看看一篇博客，扒一扒这个数据发掘行业，黄油和面包。这篇文章算是资深人士对数据发掘行业一点点小小的爆料，感觉对于我这样的初学者来说，有着高屋建瓴的作用。
1发现SASlist
学习SAS 源于我当初想去金融行业做分析师的想法，而这个想法又是源自于本人的 MBTi 测试的结论。算起来末尾学sas 应该是 10 年下半年的时分，我先是买了一本《SAS 编程与数 据发掘商业案例》，后是看了《The little SAS book (3rd)》电子版，还有 SAS 认证考试 样题-123 题。我还在 saslist 上建立起了博客，分享了一些学习心得，还有找实习的一些阅历。而我对 sas 的学习阅历，也就集中在 10 年的下半年这段工夫了。后离开了11 年终， 偶然间看到统计之都上，举行第一届数据发掘应战赛的信息。我便花了 1 个多月去参加比赛，再后来便去找实习。到如今不知道本人还会不会继续学习 sas，但 saslist 的确对我的数据 发掘之路，起着承上启下的作用。在这里很容易让你融入一个学习数据分析，数据发掘的圈子，很多长辈们的精彩博文都对本人起着极大的鼓舞作用。
2数据发掘应战赛
没想到本人参加的还是全国首届数据发掘应战赛（编者注:2011年统计之都 cos.name举行），看来真不知道是本人的数据发掘之路起步早，还是国内的数据发掘起步比较晚。总之，我是抱着实战的目的来玩玩的，很惋惜的是没有组队成功，虽然中间还硬拉着 sxlion来玩了一下，不过他那时分好像的确也比较忙。从标题和资助方(世纪佳缘网)来看，这是一个典型的Web数据发掘如何做用户引荐的案例。提供的数据如下：
profile_f.txt,女性会员的材料,203843 条数据
profile_m.txt,男性会员的材料,344552 条数据
test.txt,原始数据
train.txt,原始数据
评分目的采用的是NDCG@10。对这个目的并不生疏，由于去年还选修了Web数据发掘那门课， 那位教师还是从加拿大过来的，当时听得还挺仔细，这里引荐一下他这门课的主页，还有 他指定的两本教材:《搜索引擎:信息检索实际》，《数据发掘:概念与技术》，后一本的书的作者正是他的导师。本来一看这个标题是做引荐，于是我就想到了协同过滤，试了一下又发现不行，其实这些数据是非常稀疏的而且是冷启动的，后来又尝试了回归还有SVM， 总之效果都不是太分明，感觉是本人特征选得不好。赛后，看了别人的阅历贴，居然投票是最简单有效的，可以极大地提升预测精度。反正，我也是对数据发掘都还 没入门就去参加比赛了。这次比赛算是第一次接触真实的用户数据，并且用来处理一个非常理想的成绩。对引荐用户的预测精度的提升，是可以直接带来可观的经济 效益的。这次比赛的另一个播种是，我末尾学习python和看《集体智慧编程》这本书。如今好像又有腾讯资助2012知识发现与数据发掘应战赛，感兴味可以去参与一下。
3实习与工作
saslist还有一个好处，就是可以查看到一些数据分析相关的实习和找工信息。其实，这些信息还是蛮管用的，我还因此拿到过人人网数据发掘工程师的offer。在我看来，数据分析相关的职位大致分三个板块:医药、金融和互联网。要去医药行业，可以多关注胡江堂的博客，还有中南大学统计系的本科生韩帅同窗的博客。金融行业的话，可以多关注一下人大经 济论坛等;我当初投过一家叫discover的上海公司，好像是从大摩分出来的，专做信誉卡这一块的，面试的时分假如懂sas还是有加分的，当然外企能够更注重是你这个人本身的一些基本素质。由于，我最后还是决议去互联网行业，所以我的就职阅历也都集中在几家大的互联网公司。
在刚参加完数据发掘应战赛之后，也就是去年 4月份了，那个时分很多大的IT公 司都末尾来校园招聘实习生。由于我本科毕业之后，决议读研，也没找过工作。所以，这个时分找实习，也算是为我找工作赞阅历。我投了百度的数据发掘工程师和 淘宝的广告和搜索发展部的产品经理助理职位。前者的详细状况可以参见我的博文链接，至于实习我还是去了后者，由于淘宝就在学校旁边。在淘宝的实习阅历算是 我真正意义上地走出校园，也坚定了我去互联网行 业的信心，我喜欢像淘宝这些的互联网公司里那种从上而下，自在而又年轻的氛围。也正是在淘宝的实习，让我切身体会到了互联网广告市场的盈利形式，以及如何 经过数据发掘来提升淘宝的生态平衡和盈利空间。感兴味的同窗可以去读读淘宝搜索技术博客。
4总结
我找工的阅历，其实非常地短暂，也就集中在那几家互联网公司，这里也就不细说了。值得一提的是除了我在实验室做的项目外，那次数据发掘应战赛的阅历，往往 会非常引人留意， 由于那个应战赛是非常贴近互联网公司做数据发掘的实践的。而且，参加比赛本身也阐明你本来的兴味和积极性都比较高。
最后，再总结一下我的数据发掘知识体系：
1. 统计学基础:《概率与数理统计》、《生物统计学》；
2. 编程言语与工具:SAS、Matlab、Python、R 等;互联网公司，还需求 Linux Shell， Hadoop， C++， Java 言语等；
3.数据发掘实际:《集体智慧编程》(python)、《Web数据发掘》、《SAS编程和数据发掘商业案例》，另外还引荐一些开放式课程，我仔细学习过的有 CS229(stanford 的机器学习课程)；
4. 参加贴近商业的比赛或者去实习。 |
