数据挖掘和机器学习之路

在DT时代,数据分析师或数据科学家成为炙手可热的职业,会不会被人工智能取代?拭目以待,然而先前行再说.作为一个十年前人工智能的硕士毕业生,我希望自己所学能所用,从2015年年底开始摸索学习数据挖掘,机器学习等内容.

对于怎么有效学习(统计学,线性代数,概率论,高数微积分导数,算法,应用,开发语言,业务知识,大数据),我在试着找一个有效的途径,包括读书,练习,看视频,追大牛.个人认为有效的方法是:
以分析处理的方法论为基础框架为骨,以结构化网络华的形式放置所学,不散.
以开发语言和工具为肉,键盘上谈兵,面向实际应用,脚踏实地
以算法为血,不求精通,但求知其所以,尤其是特点和应用场景
以日积月累为步,小步走,不停留
以业务应用为脑,学以致用.

分析处理的方法论

机器学习过程:

CRISP-DM:本质就是提出问题、分析问题和解决问题的过程

[百度百科-CRISP-DM] (https://baike.baidu.com/item/CRISP-DM?fr=aladdin)

以后发布内容会围绕这两个方法论展开.

另外,如何鉴定数据科学家,Vincent Granville在《人工智能、机器学习、深度学习，三者之间的同心圆关系》数据科学家与分析师 Vincent Granville 明晰了数据科学家所具有的不同角色,仅供参考.

参考:
[百度百科-CRISP-DM] (https://baike.baidu.com/item/CRISP-DM?fr=aladdin)