數(shù)據(jù)挖掘是近幾年來一個在IT領(lǐng)域非常活躍的實用性技術(shù)學(xué)科，由于其廣泛的應(yīng)用，極為出彩的實際應(yīng)用效果，對于各行業(yè)幾乎都可以無門檻地進行分析和挖掘部署，受到了越來越多的關(guān)注。數(shù)據(jù)挖掘是一門綜合學(xué)科，它包括了數(shù)據(jù)庫技術(shù)、統(tǒng)計學(xué)、信息科學(xué)、機器學(xué)習(xí)、可視化、以及其他學(xué)科的部分內(nèi)容。
在互聯(lián)網(wǎng)行業(yè)大行其道的今天，越來越多的傳統(tǒng)行業(yè)受到了沖擊，而在這一切競爭的背后，數(shù)據(jù)都被認為是能夠戰(zhàn)勝對手使企業(yè)脫穎而出的利器,從數(shù)據(jù)中學(xué)習(xí)知識已經(jīng)是眾多大型企業(yè)的共識，而在各行業(yè)中的領(lǐng)頭羊企業(yè)的數(shù)據(jù)挖掘水平也常被稱道，如阿里巴巴的大數(shù)據(jù)挖掘，百度的深度學(xué)習(xí)等等
數(shù)據(jù)挖掘工程師作為一個職業(yè)，有著非常好的前景和巨大的職位缺口，有志向職位發(fā)展的同學(xué)急不可急于求成，要扎實地打好基礎(chǔ)，學(xué)習(xí)數(shù)據(jù)挖掘算法，有一定的行業(yè)知識了解，清楚各行業(yè)分析過程中更為看重的目標是什么。

第一部份 數(shù)據(jù)挖掘算法體系與常用挖掘軟件
第二部份 K-NN算法與建立模型
第三部份 樸素貝葉斯算法與交叉驗證
第四部份 零售行業(yè)的客戶挖掘
第五部份 教育行業(yè)的關(guān)聯(lián)推薦算法
第六部份 醫(yī)療主題的聚類算法學(xué)習(xí)
第七部份 文本挖掘：垃圾郵件檢測
第八部份 文本挖掘：語言識別與客戶反饋分析
第九部份 基于天體物理學(xué)和醫(yī)療行業(yè)的特征選擇和分類學(xué)習(xí)
第十部份 基于生物醫(yī)療行業(yè)的建模學(xué)習(xí)
第十一部份 異常檢測和實例選擇
第十二部份 元建模學(xué)習(xí)和特征選擇以及參數(shù)優(yōu)化