1. 數據挖掘設計哪些專業知識，要學習哪些課本的內容
資料庫，人工智慧，統計，可視化。。。。。太多了
先拿教科書看看《數據挖掘實踐》《數據挖掘概念與技術》
2. 數據挖掘方向都要學習哪些東西
學習數據分析，建議你去培訓機構看看，有課表還是很詳細的！
3. 數據挖掘工程師需要懂哪些知識
1、需要理解主流機器學習演算法的原理和應用。
2、需要熟悉至少一門編程語言如(Python、C、C++、Java、Delphi等)。
3、需要理解資料庫原理，能夠熟練操作至少一種資料庫(Mysql、SQL、DB2、Oracle等)，能夠明白MapRece的原理操作以及熟練使用Hadoop系列工具更好。
4、經典圖書推薦：《數據挖掘概念與技術》、《機器學習實戰》、《人工智慧及其應用》、《資料庫系統概論》、《演算法導論》、《Web數據挖掘》、《 Python標准庫》、《thinking in Java》、《Thinking in C++》、《數據結構》等。
4. 想搞數據挖掘 需要學習哪些東東
看你想從事哪個工作
企業？教學研究？
數據挖掘分方向，有統計方向，也有計算機方向。它算是交叉學科。
資料庫是要學的，sas統計軟體算是一個比較好的數據挖掘工具。
還有什麼不懂的可以給我發消息。
我讀的研究生就是數據挖掘專業，統計方向。
5. 大數據挖掘需要學習哪些技術大數據的工作
首先
我由各種編程語言的背景——matlab,R,java,C/C++,python,網路編程等
我又一定的數學基礎——高數，線代，概率論，統計學等
我又一定的演算法基礎——經典演算法，神經網路，部分預測演算法，群智能演算法等
但這些目前來講都不那麼重要，但慢慢要用到
Step 1：大數據理論，方法和技術
大數據理論——啥都不說，人家問你什麼是大數據時，你能夠講到別人知道什麼是大數據
大數據方法——然後別人問你，那怎麼實現呢？嗯，繼續講：說的是方法（就好像歸並排序演算法：分，並）。到目前外行人理解無障礙
大數據技術——多嘴的人繼續問：用的技術。
這階段只是基礎，不涉及任何技術細節，慢慢看慢慢總結，積累對「大數據」這個詞的理解。
Step 2：大數據思維
Bang~這是繼Step 1量變發展而來的質變：學了那麼久「大數據」，把你扔到製造業，你怎麼辦？
我想，這就是「學泛」的作用吧，並不是學到什麼具體東西，而是學到了對待事物的思維。
----------------------------------------------------------------------
以下階段我還沒開始=_=，不好誤導大家
Step 3：大數據技術基礎
Step 4：大數據技術進階
Step 5：打實戰
Step 6：大融合
6. 數據分析師需要學那些東西
數據分析師需要學習以下幾個方面的課程：
（1）數據管理。
a、數據獲取。
企業需求:資料庫訪問、外部數據文件讀入
案例分析:使用產品信息文件演示spss的數據讀入共能。
b、數據管理。
企業需求:對大型數據進行編碼、清理、轉換。
案例分析:使用銀行信用違約信息文件spss相應過程。
1）數據的選擇、合並與拆分、檢查異常值。
2）新變數生成，SPSS函數。
3）使用SPSS變換數據結構——轉置和重組。
4）常用的描述性統計分析功能。頻率過程、描述過程、探索過程。
c、數據探索和報表呈現。
企業需求:對企業級數據進行探索，主要涉及圖形的使用。spss報表輸出。
案例分析:企業績效文件，如何生成美觀清晰的報告。
1）製作報表前對變數的檢查
2）製作報表的中對不同類型的數據處理
3） 報表生成功能與其他選項的區別
（2）數據處理
a、相關與差異分析。
案例分析:產品合格率的相關與差異分析。
b、線性預測。
企業需求: 探索影響企業效率的因素，並進一步預測企業效率。
案例分析:產品合格率的影響因素及其預測分析。
c、因子分析。
企業需求: 需要抽取影響企業效率的主要因素，進行重點投資
案例分析:客戶購買力信息研究。
d、聚類分析。
企業需求: 需要了解購買產品的客戶信息
案例分析:客戶購買力信息研究
e、bootstrap。
案例分析: bootstrap抽樣。
（3）SPSS代碼
SPSS代碼應用
7. 學習數據挖掘一般要學哪些軟體和工具
1、WEKA
WEKA 原生的非 Java 版本主要是為了分析農業領域數據而開發的。該工具基於 Java 版本，是非常復雜的，並且應用在許多不同的應用中，包括數據分析以及預測建模的可視化和演算法。與 RapidMiner 相比優勢在於，它在 GNU 通用公共許可證下是免費的，因為用戶可以按照自己的喜好選擇自定義。
WEKA 支持多種標准數據挖掘任務，包括數據預處理、收集、分類、回歸分析、可視化和特徵選取。添加序列建模後，WEKA 將會變得更強大，但目前不包括在內。
2、RapidMiner
該工具是用 Java 語言編寫的，通過基於模板的框架提供先進的分析技術。該款工具最大的好處就是，用戶無需寫任何代碼。它是作為一個服務提供，而不是一款本地軟體。值得一提的是，該工具在數據挖掘工具榜上位列榜首。另外，除了數據挖掘，RapidMiner 還提供如數據預處理和可視化、預測分析和統計建模、評估和部署等功能。更厲害的是它還提供來自 WEKA(一種智能分析環境)和 R 腳本的學習方案、模型和演算法。
RapidMiner 分布在 AGPL 開源許可下，可以從 SourceForge 上下載。SourceForge 是一個開發者進行開發管理的集中式場所，大量開源項目在此落戶，其中就包括維基網路使用的 MediaWiki。
3、NLTK
當涉及到語言處理任務，沒有什麼可以打敗 NLTK。NLTK 提供了一個語言處理工具，包括數據挖掘、機器學習、數據抓取、情感分析等各種語言處理任務。
而您需要做的只是安裝 NLTK，然後將一個包拖拽到您最喜愛的任務中，您就可以去做其他事了。因為它是用 Python 語言編寫的，你可以在上面建立應用，還可以自定義它的小任務。
4、Orange
Python 之所以受歡迎，是因為它簡單易學並且功能強大。如果你是一個 Python 開發者，當涉及到需要找一個工作用的工具時，那麼沒有比 Orange 更合適的了。它是一個基於 Python 語言，功能強大的開源工具，並且對初學者和專家級的大神均適用。
此外，你肯定會愛上這個工具的可視化編程和 Python 腳本。它不僅有機器學習的組件，還附加有生物信息和文本挖掘，可以說是充滿了數據分析的各種功能。
5、KNIME
數據處理主要有三個部分：提取、轉換和載入。 而這三者 KNIME 都可以做到。 KNIME 為您提供了一個圖形化的用戶界面，以便對數據節點進行處理。它是一個開源的數據分析、報告和綜合平台，同時還通過其模塊化數據的流水型概念，集成了各種機 器學習的組件和數據挖掘，並引起了商業智能和財務數據分析的注意。
KNIME 是基於 Eclipse，用 Java 編寫的，並且易於擴展和補充插件。其附加功能可隨時添加，並且其大量的數據集成模塊已包含在核心版本中。
6、R-Programming
如果我告訴你R項目，一個 GNU 項目，是由 R(R-programming簡稱，以下統稱R)自身編寫的，你會怎麼想?它主要是由 C 語言和 FORTRAN 語言編寫的，並且很多模塊都是由 R 編寫的，這是一款針對編程語言和軟體環境進行統計計算和制圖的免費軟體。
R語言被廣泛應用於數據挖掘，以及開發統計軟體和數據分析中。近年來，易用性和可擴展性也大大提高了 R 的知名度。除了數據，它還提供統計和制圖技術，包括線性和非線性建模，經典的統計測試，時間序列分析、分類、收集等等。
8. 我想學數據挖掘分析，我該從和入手應該看那些東西~~~
看人工智慧、數據挖掘的一本導論書，多學習概率統計、矩陣和優化理論吧
9. 學習數據挖掘需要那些基礎知識
學習數據挖掘需要學習編程語言（Python、C、C++、Java、Delphi等），數據結構和演算法，操作系統和網路編程。
數據挖掘涉及的內容比較泛，機器學習、數據挖掘、人工智慧，這些知識大多是相通的。編程語言主要是C語言、C++和Java，。我首先這里可以學習C語言聖經《C程序設計語言》以及《C++ Primer》，數據結構和演算法推薦《數據結構與演算法分析(C語言描述)》。最好有機器學習，涉及到數據挖掘，自然語言處理和深度學習。數據挖掘主要是搜索排序，反作弊，個性化推薦，信用評價等；需要理解資料庫原理，能夠熟練操作至少一種資料庫（Mysql、SQL、DB2、Oracle等），明白MapRece的原理操作以及熟練使用Hadoop系列工具。
如果想提升關於數據挖掘方面的能力，這里推薦CDA數據分析師的相關課程，教你學企業需要的敏捷演算法建模能力，可以學到前沿且實用的技術，挖掘數據的魅力;課程中安排了Sklearn/LightGBM、Tensorflow/PyTorch、Transformer等工具的應用實現，並根據輸出的結果分析業務需求，為進行合理、有效的策略優化提供數據支撐點擊預約免費試聽課。
10. 想自學數據挖掘需要什麼基礎
我先介紹下我自己，我不是搞純數學專業的，我是REDHAT LINUX「紅帽子」公司的資深系統級工程師。我也做過數據挖掘方面的工作！為一個在甲骨文的朋友搞一些數據方面的工作。所以為了應付我也大概突擊了下，才發現這門學科有竅門！
首先，我要說的是我覺得你是一名在校大學生！Data Mining不是你想的那麼簡單，他不單單和數學有關系，還包括了計算機領域的諸多學科。還有社會工程學、邏輯學等文科和理科的交叉學科！他是一門龐大的體系。你要是真想學我只能給你指條比較快的成才之路，後面的東西自己慢慢學都趕趟！慢慢充實自己！大學四年好好利用！學無止境！
既然是數據分析那你的高等數學必須要過硬，別著急這只是你的其他學科的基礎課。其次是概率與統計，這才是正科，大學那點玩意就是糊弄人的，你要多看這方面的書。這個一定要學好！線性必須要會要精通。因為數據劃分是數據挖掘里最重要的一個環節。這個就是線性范疇里的了。也要精通，學會線性分析你就發現你就學會了很多。數學有這三個底子就可以了。數學分析不要看了。因為那隻是高數的延伸！
計算機你一定要懂。資料庫你必須得學會。三大資料庫ORACLE.SQL.MYSQL原理基本類似觸類旁通！
還有就是培養你的思維，盡量縝密敏捷。這樣才可以發現數據中的不同！因為有的數據挖掘是計算機處理的。有的則是紙面上的。所以必須學會記錄
好了，就先這么多了。你學會了這幾個就是你進軍下一步的基礎，這幾個就夠你學一陣子的了。
祝你好運哥們！