1樓：cda資料分析師
具體先學資料探勘還是機器學習，可以看本人從事哪方面的工作。
資料探勘（英語：data mining）是一個跨學科的電腦科學分支，它是從海量資料中獲取知識和規則，利用人工智慧、機器學習、統計學和資料庫的交叉方法在相對較大型的資料集中發現模式的計算過程。機器學習是一門人工智慧的科學，本質是模式識別，該領域的主要研究物件是人工智慧，特別是如何在經驗學習中改善具體演算法的效能。
統計學和機器學習為資料探勘提供了資料分析的技術手段。
如果對資料探勘和機器學習有疑問的話，推薦cda資料分析師的課程，你可以學到前沿且實用的技術，挖掘資料的魅力;教你用可落地、易操作的資料科學思維和技術模板構建出優秀模型;聚焦策略分析技術及企業常用的分類、nlp、深度學習、特徵工程等資料演算法，只教實用乾貨，以專精技術能力提升業務效果與效率點選預約免費試聽課。
2樓：螢火結集號
是自學，還是參加什麼培訓班，或者選專業？
3樓：匿名使用者
沒設麼大區別，其實內容都差不多。
機器學習和資料探勘哪個更有前途
4樓：西線大資料培訓
說實話，現在的時代發展確實太快了！有時候感覺根本就跟不上節奏，更別說去**和掌控了；特別是網際網路方向，各種新技術不停的冒出來。
對於資料探勘這個方向吧，也就是最近幾年突然大熱起來的。結果很正常，一邊是這個方向本身的飛速發展，這給了我們很多機會；但另一邊是社會上各種相關甚至不相關的人才蜂擁而入，大家都想來搞搞（趨利性是人的本性）！
結果會怎樣呢？這個覺得也是大家各抒己見，因為任何時候，對任何事物，總會有人唱好有人唱衰，其實沒有誰說的一定是對的；只能說大部分時候，那個大群體和總趨勢對的概率要大很多。所以建議你也不要偏信偏聽，總歸還是要有自己的批判性思維。
我個人的看法呢，照目前這種發展情況來看，資料探勘遲早會人才飽和，造成知識紅利下降，最後到達一個跟現在的android開發差不多的情況（以前安卓開發多火，大家一窩蜂湧入，現在慢慢飽和了，大家就歸於理性了吧？）
目前就我來看，首先，一方面雖然想學資料方面的人好像特別特別多，但是實際上能堅持下來，並且真的學好的人並不多（高校這個專業一年培養不了多少人，大部分還是在自我摸索和學習），你作為這方面的博士，你的專業性肯定會遙遙領先絕大多數人的。
其次，資料探勘目前並沒有很多人感官的那麼神，它目前還存在很多的欠缺與不足，從這方面說，我覺得資料探勘目前還僅僅只是剛過了一個嬰兒期不久，它正在走向青壯年的路上，但毫無疑問這需要一個過程。為什麼這麼說呢，因為資料科學現在不管是從演算法建模還是實際應用都還需要進一步的成長，特別是實際應用方面，未來，資料科學肯定會進一步落地，真的跟各行各業去結合，去驅動各行各業的發展。這些難道在你博士期間就都能做完嗎？
反正我是不信！
所以個人建議，總體來看，你不用擔心這個行業會馬上過氣，好好發揮你自己的優勢，把理論基礎打紮實，後面跟具體的業務去結合應用，你的競爭力絕對很高的！
5樓：江哥伴你學
資料探勘與機器學習的區別
6樓：匿名使用者
不好說，這兩個領域目前都比較火。你可以去知乎看看，那裡有更專業的人士能夠為你解答這個問題
資料探勘spss，python，《機器學習實戰》先學什麼好
7樓：匿名使用者
spss也僅僅是把成熟的方法放到軟體裡面，它和weka，rapidminer本質上沒什麼區別。個人不太熟悉影象，但是隱約覺得spss是偏向統計的，和影象處理沒啥關係吧。這個僅僅是自己的一點疑惑而已。
好，正經回答你的問題。spss其實蠻好學的，沒必要和其他擺到一個層面上，我猜你是要學習spss模組中的那些統計方法吧。spss中的方法大多是統計方法，和《機器學習實戰》中的方法不一樣。
不過你先學習統計方法，再看《機器學習實戰》也不錯。至於python基礎，在看《機器學習實戰》之前的確看一下《python學習手冊》這類的入門書比較好。因為python語法比較簡單，所以說也不用有什麼負擔，看幾天就會了，然後再順著《機器學習實戰》一邊看一邊code就好了。
順序如下：spss中的統計方法python基礎《機器學習實戰》p.s.
spss中的統計方法都很經典，會用的話，其實不用看很長時間，但是如果想自習鑽研，就是統計學了，裡面的知識也很豐富。
資料探勘和機器學習用哪個程式語言好點兒？以後想出去找工作方便點，工作崗位多點，工資高點兒就行。
8樓：物理公司的
#include /*含ma l l o c ( ) 的標頭檔案*/#include
//①定義連結串列資料結構
struct node
;//函式宣告
struct node *creat();
void print();
main( )
求教！資料探勘和機器學習有什麼區別呢？
9樓：瀟瀟6漨
個人覺得資料探勘就是指知識獲取的過程，一般是海量資料下對資料進行分析，挖掘，鑽取，不強調具體方法，可能涵蓋各種方法（統計學、機器學習等等），而機器學習更強調方法，決策樹、神經網路、貝葉斯分類等，資料探勘範圍更大，包含機器學習。拙見。
10樓：素嬈眉
資料探勘重在發現資料間的相關關係，資料分析，發現價值！機器學習好像重在決策學習，自適應方面吧！個人拙見 檢視原帖》
11樓：
資料盡在深圳【千鋒】
機器學習、資料探勘、自然語言處理、推薦系統、大資料處理學哪個好？
12樓：祝福滿滿
機器學習吧，資料探勘有一些機器學習的內容，又有一些統計學的內容，推薦系統需要資料探勘、機器學習、計算機的內容，大資料其實需要利用到機器學習和資料探勘的內容，自然語言處理也需要用到機器學習、資料探勘、語義學的內容等。我推薦學習機器學習，因為這個很基礎，但是很實用，就像程式語言中的c語言那樣，很基礎，但是學通了就可以運用很廣。
採納吧！
13樓：資料分析
行行出狀元，就目前來說大資料是趨勢。
學習資料庫應該先學什麼
如果你有基礎可以按樓上大蝦說的做，我個人認為如果基礎不是很好還是從簡單的學起吧。比如visual 現在還有8.0版本，vfp用起來比較簡單，對初學者瞭解資料庫有一定幫助 還有就是office軟體裡的access，這個資料庫軟體也很好用，而且保持微軟一貫的人性化風格許多地方一看就明白了。先學c吧！最基...
硬體和軟體先學哪個，硬體和軟體先學哪個
學硬體的話比較簡單，找工作也比較容易，但是就是很基本的工作。想學習硬體只知道如何拆裝計算機是很基本的。但是絕對可以找到工作，去電腦城去，工作很好找，一個月大概1000 裝一臺給你幾十塊提成，還可以吧。既然你以前是學機電的，就學組裝計算機吧，很容易學，如果有好師傅教，大概半個月就可以上班了。別學軟體了...
學開挖掘機和學汽車修理，哪個更好
四川萬通汽車學院 汽修這個專業前景不錯 1 汽修行業現在需求量很大，工作很好找，而且工作環境也不錯。2 汽修行業的工作與社會接觸都比較緊密，緊跟潮流，所以見識和思想都會比較開放，也有利於以後自己發展。3 學習汽修入手比較快，學習難度不是很大，只要多練習，刻苦點多問，4 你可以找個專業的汽修學校，學個...