基礎(chǔ)篇：
- 讀書《Introduction to Data Mining》，這本書很淺顯易懂，沒有復(fù)雜高深的公式，很合適入門的人。另外可以用這本書做參考《Data Mining : Concepts and Techniques》。第二本比較厚，也多了一些數(shù)據(jù)倉庫方面的知識(shí)。如果對(duì)算法比較喜歡，可以再閱讀《Introduction to Machine Learning》。
- 實(shí)現(xiàn)經(jīng)典算法。有幾個(gè)部分：a. 關(guān)聯(lián)規(guī)則挖掘 (Apriori, FPTree, etc.)b. 分類 (C4.5, KNN, Logistic Regression, SVM, etc.)c. 聚類 (Kmeans, DBScan, Spectral Clustering, etc.)d. 降維 (PCA, LDA, etc.)e. 推薦系統(tǒng) (基于內(nèi)容的推薦，協(xié)同過濾，如矩陣分解等)然后在公開數(shù)據(jù)集上測(cè)試，看實(shí)現(xiàn)的效果。可以在下面的網(wǎng)站找到大量的公開數(shù)據(jù)集：http://archive.ics.uci.edu/ml/
- 熟悉幾個(gè)開源的工具: Weka (用于上手); LibSVM, scikit-learn, Shogun4. 到 https://www.kaggle.com/ 上參加幾個(gè)101的比賽，學(xué)會(huì)如何將一個(gè)問題抽象成模型，并從原始數(shù)據(jù)中構(gòu)建有效的特征 (Feature Engineering). 到這一步的話基本幾個(gè)國內(nèi)的大公司都會(huì)給你面試的機(jī)會(huì)。
進(jìn)階篇： - 讀書，下面幾部都是大部頭，但學(xué)完進(jìn)步非常大。a.《Pattern Recognition and Machine Learning》b.《The Elements of Statistical Learning》c.《Machine Learning: A Probabilistic Perspective》第一本比較偏Bayesian；第二本比較偏Frequentist；第三本在兩者之間，但我覺得跟第一本差不多，不過加了不少新內(nèi)容。當(dāng)然除了這幾本大而全的，還有很多介紹不同領(lǐng)域的書，例如《Boosting Foundations and Algorithms》，《Probabilistic Graphical Models Principles and Techniques》；以及理論一些的《Foundations of Machine Learning》，《Optimization for Machine Learning》等等。這些書的課后習(xí)題也非常有用，做了才會(huì)在自己寫Paper的時(shí)候推公式。2. 讀論文。包括幾個(gè)相關(guān)會(huì)議：KDD，ICML，NIPS，IJCAI，AAAI，WWW，SIGIR，ICDM；以及幾個(gè)相關(guān)的期刊：TKDD，TKDE，JMLR，PAMI等。跟蹤新技術(shù)跟新的熱點(diǎn)問題。當(dāng)然，如果做相關(guān)research，這一步是必須的。例如我們組的風(fēng)格就是上半年讀Paper，暑假找問題，秋天做實(shí)驗(yàn)，春節(jié)左右寫/投論文。3. 跟蹤熱點(diǎn)問題。例如最近幾年的Recommendation System，Social Network，Behavior Targeting等等，很多公司的業(yè)務(wù)都會(huì)涉及這些方面。以及一些熱點(diǎn)技術(shù)，例如現(xiàn)在很火的Deep Learning。4. 學(xué)習(xí)大規(guī)模并行計(jì)算的技術(shù)，例如MapReduce、MPI，GPU Computing。基本每個(gè)大公司都會(huì)用到這些技術(shù)，因?yàn)楝F(xiàn)實(shí)的數(shù)據(jù)量非常大，基本都是在計(jì)算集群上實(shí)現(xiàn)的。5. 參加實(shí)際的數(shù)據(jù)挖掘的競(jìng)賽，例如KDDCUP，或 https://www.kaggle.com/ 上面的競(jìng)賽。這個(gè)過程會(huì)訓(xùn)練你如何在一個(gè)短的時(shí)間內(nèi)解決一個(gè)實(shí)際的問題，并熟悉整個(gè)數(shù)據(jù)挖掘項(xiàng)目的全過程。6. 參與一個(gè)開源項(xiàng)目，如上面提到的Shogun或scikit-learn還有Apache的Mahout，或?yàn)橐恍┝餍兴惴ㄌ峁└佑行Э焖俚膶?shí)現(xiàn)，例如實(shí)現(xiàn)一個(gè)Map/Reduce平臺(tái)下的SVM。這也是鍛煉Coding的能力。
