大數(shù)據(jù)挖掘涉及如下的課程：機(jī)器學(xué)習(xí)，統(tǒng)計(jì)學(xué)，人工智能，數(shù)據(jù)庫(kù)等，但是更多的注重如下的特性：

1）可擴(kuò)展性（Scalability）（大數(shù)據(jù)）

2）算法和架構(gòu)

3）自動(dòng)的處理大數(shù)據(jù)

我們需要學(xué)習(xí)挖掘不同類型的數(shù)據(jù)：

1）高維的數(shù)據(jù)

2）圖數(shù)據(jù)

3）無(wú)限的（infinite/never-ending）數(shù)據(jù)

4）貼有標(biāo)簽的數(shù)據(jù)

同時(shí)我們還要學(xué)習(xí)不同的計(jì)算模型：

1）MapReduce算法

2）流和在線（Streams and Online）算法

3）Single machine in-memory

然后，還要學(xué)習(xí)解決現(xiàn)實(shí)中的問(wèn)題，像：

1）推薦系統(tǒng)

2）關(guān)聯(lián)規(guī)則

3）鏈接分析

4）重復(fù)檢測(cè)

等等。

還要學(xué)習(xí)各種“工具"，像：

1）線性代數(shù)（SVD，推薦系統(tǒng)等）

2）優(yōu)化（隨機(jī)梯度下降）

3）動(dòng)態(tài)規(guī)劃（頻繁項(xiàng)集）

4）Hashing（LSH，Bloom filters）

以上所有的內(nèi)容可以通過(guò)如下的圖關(guān)聯(lián)在一起來(lái)展示，如下：

在學(xué)習(xí)大數(shù)據(jù)挖掘之前，需要有如下的預(yù)備知識(shí)：

1）算法方面的知識(shí)（CS161）——?jiǎng)討B(tài)規(guī)劃，基本的數(shù)據(jù)結(jié)構(gòu)等

2）基本的概率論方面的知識(shí)（CS109）——矩（Moments），典型的分布，最大似然估計(jì)（MLE）等

3）編程方面的知識(shí)（CS107）——C++或Java將非常有用

內(nèi)容來(lái)自于：http://www.stanford.edu/class/cs246/slides/01-mapreduce.pdf

總結(jié)

以上是生活随笔為你收集整理的大数据挖掘简介的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。