学习data mining的7个步骤

学习data mining的7个步骤(可以并行进行，或按不同次序进行)

1.语言：学习R， Python, SQL, 提交到 KDnuggets
2.工具：学习使用data mining和visualization工具
3.教材：阅读introductory textbook to understand the fundation.
4.教育：参加在线研讨会(webinars)，加入课程，拿到data scicence方面的degree或certificate
5.数据：检查可用数据资源，可参考此处：http://www.kdnuggets.com/news/subscribe.html
6.比赛：参加双周期email的data mining竞赛
7.与其他数据科学加交流，可通过社交网络，群组，会议的方式。

下面详细对以上7个步骤做以说明：
1.学习语言
KDnuggets对最受流行的data mining语言做了个调查，见
http://www.kdnuggets.com/2013/08/languages-for-analytics-data-mining-data-science.html
发现最流行的语言是R，Python和SQL。
以下是这些语言的学习资源：
Data Science with R(e-book): www.kdnuggets.com/2013/02/free-e-book-on-data-science-with-r.html

Getting Start with Python for Data Science:
https://www.kaggle.com/wiki/GettingStartedWithPythonForDataScience

Python for Data Analysis: Agile Tools for Real World Data
http://shop.oreilly.com/product/0636920023784.do

An Indispensable Python: Data sourcing to Data science
http://www.datasciencecentral.com/profiles/blogs/an-indispensable-python-data-sourcing-to-data-science

W3 Schools Learning SQL
http://www.w3schools.com/sql/

2.Data mining需要的工具。
针对Data mining不同的任务，需要使用不同的工具。所以要想能完整地完成数据分析工作需要掌握一系列工具，使之形成一个工具集。

起步工具：可以使用开源的免费工具，如:
KNIME: www.knime.org
RapidMiner: http://rapidminer.com/products/rapidminer-studio/
Weka: www.cs.waikato.ac.nz/ml/weka/

在分析工作中常用到的一个工具：
SAS：http://www.sas.com/en_us/home.html
这是一个商业化工作，使用广泛

其他流行的工具包括：
MATLAB,
StatSoft STATISTICA,
Microsoft SQL Server
Tableau
IBM SPSS Moderler
Rattle
详见：http://www.kdnuggets.com/polls/2013/analytics-big-data-mining-data-science-software.html

可视化工具：
Microsoft Excel
R graphics: http://cran.r-project.org/web/views/Graphics.html(特别是其中的ggplot2: http://cran.r-project.org/web/packages/ggplot2/index.html)
Tableau: http://www.tableau.com/(非常出色)
TIBCO Spotfire
Miner3D

3.教材
有大量与data mining和data science相关的教材，详见
http://www.kdnuggets.com/publications/books.html
以下是几本推荐的：
n 《Data Mining and Analysis: Fundamental Concepts and Algorithms》，by Mohammed Zaki and Wagner Meira Jr.见
http://www.kdnuggets.com/2013/09/data-mining-analysis-fundamental-concepts-algorithms-download-pdf-draft.html

n 《Data Mining: Practical Machine Learning Tools and Techniques》by Ian Witten, Eibe Frank, and Mark Hall, from the authors of Weka, and using Weka extensively in examples.
见：http://www.cs.waikato.ac.nz/ml/weka/book.html

n 《The Elements of Statistical Learning, Data Mining,Inference, and Predictionm》by Trevor Hastie, Robert Tibshirani, Jerome Friedman这是一本从数学角度出发的不错的概述性书籍
见：http://statweb.stanford.edu/~tibs/ElemStatLearn/

n 《LIONbook: Learning and Intelligent Optimization》, by Roberto Battiti and Mauro Brunato, 本书网上有免费版。
见：http://www.lionsolver.com/LIONbook/

n 《Mining of Massive Datasets Book》 by A. Rajaraman, J. Ullman.
见：http://www.kdnuggets.com/2012/08/mining-massive-datasets-book-revised.html

n 《StatSoft Electronic Statistics Textbook™ (free)》, 本书包含了许多data mining有关的话题
见：http://www.statsoft.com/Textbook

4.教育：在线研讨会(Webinars)，课程，Certificates和学位
在线研讨会资源：http://info.hortonworks.com/Retail-Insights-Big-Data-Hadoop.html

在线课程：http://www.kdnuggets.com/education/index.html

特别要提到的几个课程：
Coursera上的Machine Learning，Andrew Ng任课
edX上的Learning from data，Caltech Professsor Yaser Abu-Mostafa任课：http://www.kdnuggets.com/2013/09/edx-learning-from-data-free-online-course.html
Syracuse iSchool的Open Online Course in Applied Data Science:
http://ischool.syr.edu/future/cas/datascience.aspx
在线幻灯片：http://www.kdnuggets.com/data_mining_course/index.html
此外，最好能拿到Certificates in Data Mining, and Data Science（见
http://www.kdnuggets.com/education/analytics-data-mining-certificates.html
）或取得Data Science方面的高级学位，如MS。参考
http://www.kdnuggets.com/education/index.html

5.数据
学习数据分析，需要分析数据，参考
http://www.kdnuggets.com/datasets/index.html
这里包括：
l Government, Federal, State, City, Local and public data sites and portals：http://www.kdnuggets.com/datasets/government-local-public.html
l Data APIs, Hubs, Marketplaces, Platforms, Portals, and Search Engines：http://www.kdnuggets.com/datasets/api-hub-marketplace-platform.html
l Free Public Datasets：http://www.kdnuggets.com/2011/02/free-public-datasets.html

6.竞赛
可以参加一些竞赛，如
http://www.kaggle.com/
中的，参赛者可以从初学者竞赛开始进行，如
http://www.kdnuggets.com/2012/10/beginner-competition-titanic-survival-via-machine-learning.html

7.交流：会议，群组和社交网络
可以加入许多组织，参考Top 30 LinkedIn Groups for Analytics, Big Data, Data Mining, and Data Science:
http://www.kdnuggets.com/2013/04/top-30-linkedin-groups-analytics-big-data-data-mining-data-science.html

AnalyticBridge是关于数据和分析科学的一个活跃组织。
http://www.analyticbridge.com/

也可以加入许多关于数据分析，大数据，数据挖掘，数据科学和知识发现方面的会议：http://www.kdnuggets.com/meetings/index.html

最后，应该考虑加入ACM SKGKDD组织，它组织了年度KDD会议，这是该领域领军的研究性会议：http://www.sigkdd.org/