相較本科階段要學習的計算機編程語言，比如：java，linux，mysql等，研究生的大數據專業會更加深入一點，更多的是接觸學習數據的采集與分析（Python、Scala），大數據的存儲（hbase、hive、sqoop），學習處理軟件，學習數學建模軟件等等這方面的東西。以武漢大學為例：必修課主要 ...

數據挖掘，機器學習，和人工智能的區別 一、總結 一句話總結： 數據挖掘，機器學習，和人工智能 這三者的區別主要是【目的不同】，其【手段(算法，模型)有很大的重疊】，所以容易混淆。 【數據挖掘 (data mining)】：【模式提取，大數據】： 有目的地從現有大數據中提取數據的模式 ...

談談數據挖掘和機器學習 又是好長時間沒有寫博客了，最近周末事情太多，明天勞動節終於可以讓我們勞動人民休息一天了。首先聲明的是本人並非數據挖掘和機器學習的高手，只是作為業余興趣剛剛開始研究，據我所知好多朋友也和我一樣對這方面的東西感興趣，個人認為機器人技術是未來發展的方向。雖然我的專業是軟件開發 ...

一、數據挖掘任務 數據挖掘常見的六大任務： 1.分類問題 2.聚類問題 3.回歸問題 4.關聯問題 5.序列問題 6.異常檢測 二、數據挖掘流程 CRISP-DM：跨行業數據挖掘標准流程 ...

今天看到這篇文章里面提到如何選擇模型，覺得非常好，單獨寫在這里。 更多的機器學習實戰可以看這篇文章：http://www.cnblogs.com/charlesblc/p/6159187.html 另外關於機器學習與數據挖掘的區別， 參考這篇文章：https ...

李航的《統計學習方法》 這本書開篇第一章寫得特別好，各個模型的算法推導也比較全，基本涵蓋了比較經典的判別模型和生成模型。 《機器學習實戰》 這本書代碼和應用特別多，了解python用法和機器學習算法的代碼實現非常方便。 項亮的《推薦系統實踐》 這本書個人感覺偏理論一點，偽代碼 ...

通常都要在機器學習界進一步研究，變成有效的機器學習算法之后才能再進入數據挖掘領域。從這個意義上說，統計學 ...

經過了2個月對機器學習的了解后。我發現了，機器學習的方向多種多樣。網頁排序。語音識別，圖像識別，推薦系統等。算法也多種多樣。看見其它的書后，我發現除了講到的k均值聚類。貝葉斯，神經網絡，在線學習等等，還有非常多其它的算法。比方說：免疫算法，遺傳算法，主成分分析。蟻群算法 ...