資料探勘（ TO DO LIST）
臨近暑期實習招聘了，總結一下JD要求，查缺補漏～
- 熟悉 Python , Java 或者 R（一種即可）
- 熟悉資料結構和演算法
- 熟悉常用機器學習和資料探勘演算法，包括但不限於決策樹、支援向量機、線性迴歸、邏輯斯諦迴歸以及神經網路等演算法
- 熟悉常見深度學習模型及其應用方法，如DNN、CNN、RNN、LSTM等
- 有Tensorflow、Keras、Pytorch等深度學習框架使用經驗
- 對NLP/資料探勘/計算機視覺方向之一的相關演算法有較為深入的研究；
- 熟悉Spark等分散式機器學習框架，熟悉Hadoop/HBase/Hive等大資料處理平臺
- 熟練掌握一種資料庫，例如MySQL，精通SQL語言
- 熟悉 linux 開發環境
相關文章
- 自學資料探勘
- Web資料探勘Web
- 序列資料探勘
- 資料探勘概念
- 資料探勘——認識資料
- 資料探勘者與資料探勘青年的對話（轉）
- 資料探勘與生活
- 資料探勘的功能
- 神奇的資料探勘
- 資料探勘概述 (轉)
- 資料探勘方向分析
- 資料探勘的資料分析方法
- 資料探勘與資料抽樣
- 資料探勘資源彙總
- 《資料探勘：實用機器學習技術》——資料探勘、機器學習一舉兩得機器學習
- 資料：資料探勘綜述彙編
- 資料探勘資料集下載資源
- 什麼是資料探勘？？
- 資料探勘實習面試面試
- 使用 Oracle 資料探勘 APIOracleAPI
- 資料探勘能做什麼
- 機器學習、資料探勘及其他機器學習
- 資料探勘概述（又） (轉)
- 大資料、資料分析、資料探勘的差別大資料
- 資料探勘和資料提取能做什麼？
- Spark ML包，資料探勘示例資料AffairsSparkAI
- 前端例項練習 - 任務清單 To do list前端
- 《資料探勘導論》實驗課——實驗四、資料探勘之KNN,Naive BayesKNNAI
- 資料探勘-層次聚類聚類
- 統計學與資料探勘
- 什麼是資料探勘(zt)
- 資料探勘之預測篇
- 資料探勘之資料準備——原始資料的特性
- OLAP和資料探勘——資料倉儲手冊
- 使用React並做一個簡單的to-do-listReact
- 淺談大資料、資料分析、資料探勘的區別！大資料
- 重磅 | 資料探勘之父韓家煒：文字語料庫的資料探勘（附視訊+PPT下載）
- 《資料探勘導論》讀後感