数据挖掘的学习资源

 

数据挖掘（Data Mining）作为一个领域，比机器学习要大，偏应用。互联网公司也大量使用数据挖掘技术，作为即将毕业进入互联网公司从事机器学习算法开发的我，最近计划系统了解一下这方面的理论和技术。作为一个习惯，学习一个东西之前总要上网找找学习资源（网站，书籍，学术期刊会议），以保证学到的是最前沿最系统的知识，并以最高效率学习。

希望这些资源能够最终帮助自己了解这些酷炫的问题：搜索引擎是怎样工作的（为什么谷歌搜索的结果总是比百度好）？数据挖掘/机器学习在互联网公司的典型应用（例如社交网络上的大量信息腾讯和Facebook是怎么使用的以产生商业价值）？各种问答机器人的原理（如小度机器人/度秘，京东智能机器人）？

另外请见我前一篇博客里列的机器学习计算机视觉的学习资源。

 

wikipedia.org，历史，领域概述，资源链接：

Data mining：介绍了数据挖掘的概念、过程、学术会议、软件等，右侧有细分条目；

Category:Data mining：更多和数据挖掘有关的条目；

DMOZ关于DM：资源链接；

谷歌上不了推荐镜像站，搜索和下载电子书籍推荐Library Genesis（更多在线图书馆）。

 

大学课程、在线教程：

Stanford课程：CS246 Mining Massive Data Sets，CS246H Mining Massive Data Sets: Hadoop Labs，CS341 Project in Mining Massive Data Sets，配套书籍 Mining of Massive Datasets，DataMiningTalk；

CMU课程：Data Mining: Spring 2013，Statistics 36-350: Data Mining (fall 2009)；

南京大学课程：Introduction to Data Mining；

Coursera：Data Mining Specialization。

 

专著、书籍：

Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman, 2015; PPT；中文译本：大数据-互联网大规模数据挖掘与分布式处理；

Data Mining: The Textbook, Charu C. Aggarwal, 2015; 资源链接；

Data Mining: Concepts and Techniques (3rd ed.), Jiawei Han, Micheline Kamber, Jian Pei, 2011; PPT；中文译本：数据挖掘:概念与技术；

Data Mining and Analysis: Fundamental Concepts and Algorithms, Mohammed J. Zaki, Wagner Meira Jr, 2014; 作者网站；

Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach, Vipin Kumar, 2006; PPT；中文译本：数据挖掘导论；

A Practical Guide to Data Mining for Business and Industry, Andrea Ahlemeyer-Stubbe, Shirley Coleman, 2014; PPT；

Data Mining: Practical Machine Learning Tools and Techniques (3rd ed.), Ian H. Witten, Eibe Frank, Mark A. Hall, 2011; PPT；中文译本：数据挖掘:实用机器学习工具与技术；

Programming Collective Intelligence: Building Smart Web 2.0 Applications, Toby Segaran, 2007; 中文译本：集体智慧编程；

The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.), Trevor Hastie, Robert Tibshirani, Jerome Friedman, 2009;

还有我前一篇博客里列的书籍。

 

学术论文：

顶级会议：KDD，ICDE；

更多会议期刊见：Google Scholar DM，Microsoft academic DM，KDnuggets DM Conferences。

 

学习网站：

KDnuggets：各种资源，博文，课程、软件、Datasets等链接；

国内的两个网站：我爱机器学习，机器学习日报；

Data Sets：UCI Machine Learning Repository，List of Public Data Sources Fit for Machine Learning；

Competitions：Kaggle，DMC，Knowledge Pit，TunedIT，DrivenData；

这里也整理了一些资源，这里整理了数据挖掘博客，这里有术语解释、挖掘介绍、书推荐等不过有点老。

 

程序、库：

R语言：RDataMining，inside-R；

Hadoop：Tutorial，Wiki，实现了MapReduce计算模型；

Spark：Tutorial，作为Hadoop的改进或补充近来很火，请看知乎的比较。