一直以来有人问：“ 数据分析 VS 数据挖掘 VS 数据科学家，它们到底有什么不同？入行大数据的话该怎么选？” 估计 90% 程序员，包括一些数据相关工作的⼩伙伴，都给不出准确回答。最近整理了这张对比长图，来回答这个问题！PS. 被问次数太多了，实属无奈


概括一下，逼格满满的数据科学家人群最少，要求和限制因素也最多。适合人群更广的数据分析和数据挖掘，这两个工种的差异如下。
从要求来讲：数据挖掘偏技术，数据分析偏业务；
从能力来讲：数据挖掘需要专精技术，数据分析要求综合素质。

下面这张图清晰展示了它们
发展方向间的关系
。



那么入行大数据，该选数据挖掘还是数据分析呢？（这两个职业同样为公司创造价值）最重要的一个因素是：看哪个职位与自己的性格、喜好比较匹配。如果对业务、商业模式感兴趣，强项在为人处事方面，数据分析显然是优先选择。
对于多数程序员来说，数据挖掘则是更优选。因为自身性格相对内敛，喜欢钻研技术，不太喜欢天天和业务打交道，做数据挖掘是在擅长的方面发力会更顺畅。当然，下面这些情况的人做技术向的数据挖掘更有优势：
研发部⻔谋求转型的开发⼈员；
计算机相关专业以及数统相关专业毕业⼈员；

专注于从事数据相关⼯作、谋求技能提升、岗位晋升以及跨⽅向发展的人。

从目前的市场来看，数据挖掘的薪资比数据分析高一些。原因很简单，数据挖掘工程师或算法工程师有较高技术门槛，不懂模型和编程，简历关都过不了，某些情况下还需要项目和学术背景。加上大多数互联网企业都是 “先工程后分析” 的流程，数据挖掘工程师的需求更迫切，薪资也最舍得给。

较高技术门槛，也意味着入门数据挖掘并不轻松。不仅要掌握一门编程语言，如 Python /Java、C / C++ ，还需要会 Hadoop，HIVE，SQL数据库操作，掌握数据挖掘和机器学习的基础知识和算法、特征工程的基础知识，了解统计学的时间序列模型，变量的相关系数，ROC和AUC曲线，交叉验证，主成分分析
......想想就是个大的学习工程。


对急于了解大数据挖掘的你，这套硬核课程也许是及时雨。开课吧的《数据挖掘算法精讲》专题课，48 h 内免费领（ 领了之后有效学习期限 7 天，抓紧看！这也为了筛选伸手党～）专题课细致解析了大厂算法工程师/数据挖掘工程师必知必会的高频算法，知识点如下：
《数据挖掘高频算法精讲》


Part 1   数据挖掘概论与实践
1. 数据挖掘概念与技术
2. 数据挖掘算法类型
3. 密度聚类案例实践之中国城市群划分
Part 2   特征工程与模型选择 / 文本分类
1. 如何对文本数据进行预处理
2. 如何对文本统计，生成词云图
3. 如何对文本数据进行特征选择
4. 如何根据文本内容进行分类


Part 3   逻辑回归算法
1. 逻辑回归的算法原理是怎样的
2. 如何绘制逻辑回归的决策边界
3. 逻辑回归的局限，以及如何解决
4. 逻辑回归如何进行多分类
5. 怎样解决样本不均衡问题


Part 4   
数据挖掘之 Decision Tree 算法

（ 12 月 3 日即将开讲，不要错过 ）1. 《信息论》熵、联合熵和条件熵的推导
熵与 Log、概率的关系；
《信息论》— 香农；
条件熵、联合熵的推导过程；2. 决策树算法的树流程的构造
决策树算法的树结构生长过程与特征选择
决策树算法的叶子节点个数与权重系数3.  ID 3 ( 信息增益 )
推导DT的目标函数信息增益（ID3）
g(D,A) = H(D) - H(D|A) 本质上是互信息4. 由 ID 3 推广出来的 C4.5 和 Gini 系数
由 ID3 推广出的 C4.5 系数
由 ID3 推广出的基尼系数
5. 案例实战：利用 Python 的Scikit - learn

的 5 步建模过程(伪代码)
长按扫码添加微信
前50名可获得课件资料, 仅限48h
小助理为手动操作请大家耐心等待，会一一通过申请

福利由开课吧赞助支持，特此感谢。


开课吧 邀请 
资深数据科学家 巴川，打磨了《大数据挖掘高级工程师》付费系统课程，深度对标阿里P7，帮大家顺利走上大数据挖掘之路。下一期课程即将开课，感兴趣的读者可以添加小助理微信咨询。
巴川：中国教育创新校企联盟首席数据科学家、专家委员会副主任，中国计算机学会技术前线委员会（CCF TF）数据科学研讨会主席，国家技术标准创新基地（贵州大数据）数字经济专业委员会专家，北航、西安交大、人大、对外经贸、武大等多所高校客座教师，既精通数据挖掘理论又有着丰富的企业实战经历。
开 课 吧
开课吧是行业首家集齐百度、滴滴、阿里、微软、创新工场等知名IT和互联网大厂资源的泛互联网人新职业教育品牌，将前沿互联网技术领域的一线实战项目根植于教学内容之中，可助力泛互联网人的能力提升并无缝衔接大厂用人需求。
继续阅读