1樓：
這個技術的適合與否不是特定的，女孩子也可以做的更好，關鍵是你對這項技術有沒有濃厚的興趣，因為你想要早某一領域有很深的的造詣或是做得更好，興趣是你的支撐，當你在這個領域遇到問題的時候，它可以給你提供無限的動力去解決它，如果你對這門技術沒有興趣，只是為了生活而選擇它，那到時你遇到困難會望而卻步的...點到為止...另外，由於先天性的優勢，男孩子資料庫技術和資料探勘的理解能力和接受能力要比女孩子要一些，所以it行業裡男孩子要遠比女孩子多，但是並不意味著女孩子不能從事這個行業或是在這個行業裡不會做的很好，只要你對它有興趣，只要你有一顆入了這個領域就要做出個這樣子的心態，你會做的很好的！
相比之下，正是因為女孩子比較少，所以如果你到一定程度了，各大企業會很受歡迎的，薪資也會比同等程度的男孩子要多一些的。好啦，就這樣吧，呵呵，樓主三思
2樓：匿名使用者
根據我的it從業經驗，女孩子做這個的很少，而且如果技術不行的話，女孩子去了估計只能做個報表之類的輔助工作。
3樓：匿名使用者
如果想拿高工資，資料庫管理比較適合，資料探勘要處理的資料太大了。
4樓：匿名使用者
我們學校學這個專業也有頗多女生，就業前景很不錯，很多去了it公司、國企之類的
5樓：匿名使用者
做資料庫優化吧。女的不是都做美工的嘛
研究生資料庫與資料探勘
6樓：月拌西涼
資料探勘的話，主要就是計算機方向了，或者統計方向。國內名牌大學都有這方面導師，中科院當然也有，此外很多方向都是與資料探勘掛鉤，比如什麼海量資料分析之類的。具體考，如果是指複試的話，大概會有資料庫、統計數學知識，最好能對資料探勘的內容有所認識。
我也是打算讀研，讀資料探勘、機器學習方向的學生，多交流哈！
什麼是資料探勘？
7樓：cda資料分析師
簡單地說，資料探勘是從大量資料中提取或『挖掘』知識。該術語實際上有點用詞不當。資料探勘應當更正確地命名為『從資料中挖掘知識』，不幸的是它有點長。
許多人把資料探勘視為另一個常用的術語『資料庫中知識發現』或kdd的同義詞。而另一些人只是把資料探勘視為資料庫中知識發現過程的一個基本步驟。
資料探勘是一個用資料發現問題、解決問題的學科。
通常通過對資料的探索、處理、分析或建模實現。
我們可以看到資料探勘具有以下幾個特點：
基於大量資料：並非說小資料量上就不可以進行挖掘，實際上大多數資料探勘的演算法都可以在小資料量上執行並得到結果。但是，一方面過小的資料量完全可以通過人工分析來總結規律，另一方面來說，小資料量常常無法反映出真實世界中的普遍特性。
隱含性：資料探勘是要發現深藏在資料內部的知識，而不是那些直接浮現在資料表面的資訊。常用的bi工具，例如報表和olap，完全可以讓使用者找出這些資訊。
新奇性：挖掘出來的知識應該是以前未知的，否則只不過是驗證了業務專家的經驗而已。只有全新的知識，才可以幫助企業獲得進一步的洞察力。
價值性：挖掘的結果必須能給企業帶來直接的或間接的效益。有人說資料探勘只是「屠龍之技」，看起來神乎其神，卻什麼用處也沒有。
這只是一種誤解，不可否認的 是在一些資料探勘專案中，或者因為缺乏明確的業務目標，或者因為資料質量的不足，或者因為人們對改變業務流程的抵制，或者因為挖掘人員的經驗不足，都會導 致效果不佳甚至完全沒有效果。但大量的成功案例也在證明，資料探勘的確可以變成提升效益的利器。
8樓：野路子產品經理
給你分享一個pdf看看什麼是資料探勘
9樓：風_南
科技的快速發展和資料的儲存技術的快速進步，使得各種行業或組織的資料得以海量積累。但是，從海量的資料當中，提取有用的資訊成為了一個難題。在海量資料面前，傳統的資料分析工具和方法很無力。
由此，資料探勘技術就登上了歷史的舞臺。
資料探勘是一種技術，將傳統的資料分析方法與處理大量資料的複雜演算法相結合（圖1），從大量的、不完全的、有噪聲的、模糊的、隨機的資料中，提取隱含在其中的、人們事先不知道的、但又是潛在有用資訊和知識的過程。
那資料探勘能夠幹什麼？有哪些資料探勘技術？怎麼應用？
資料探勘技術應用廣泛，如：1. 在交通領域，幫助鐵路票價制定、交通流量**等。
2. 在生物學當中，挖掘基因與疾病之間的關係、蛋白質結構**、代謝途徑**等。3.
在金融行業當中，**指數追蹤、稅務稽查等方面有重要運用。4. 在電子商務領域，對顧客行為分析、定向營銷、定向廣告投放、誰是最有價值的使用者、什麼產品搭配銷售等。
可以說，有資料的方法，就有資料探勘的用武之地。
那資料探勘過程是什麼呢？如圖2：
資料探勘的任務主要分為一下四類，如圖3：
1.建模**：用因變數作用目標變數建立模型。
分為兩類：（1）分類，用於**離散的目標變數；（2）迴歸，用於**連續的目標變數。兩項任務目標都是訓練一個模型，使目標變數**值與實際值之間的誤差達到最小。
**建模可以用來判斷病人是否患有某種疾病，可以用於確定顧客是否需要某種產品，**交通流量。
2.關聯分析：用來發現描述資料中強關聯特徵的模式。
所發現的模式通常用特徵子集的形式表示。由於搜尋空間是指數規模的，關聯分析的目標是以有效的方式提取最有用的模式。關聯分析的應用包括使用者購買商品之間的聯絡、找出相關功能的基因組、表單**輸出下拉選單如圖4。
3.聚類分析：發現緊密相關的觀測值群組，使得與屬於不同簇的觀察值相比，同一簇的觀察值相互之間儘可能的類似。
聚類可用來對相關的顧客分組、給不同功能的基因分組、不同的癌症細胞系分組。
4.異常檢測：識別其特徵顯著不同於其他資料的觀測值。
這樣的觀測值稱為異常點或離群點。異常檢測演算法的目標是發現真正的異常點，而避免錯誤地將正常的物件標註為異常點。換言之，一個好的異常點檢測模型必須具有高檢測率和低誤報率。
異常檢測的應用包括檢測欺詐、網路攻擊、疾病的不尋常模式。
資料探勘與資料分析的主要區別是什麼
10樓：南霽月
總結一下主要有以下幾點：
1、計算機程式設計能力的要求
作為資料分析很多情況下需要用到成型的分析工具，比如excel、spss，或者sas、r。一個完全不懂程式設計，不會敲**的人完全可以是一名能好的資料分析師，因為一般情況下office包含的幾個工具已經可以滿足大多數資料分析的要求了。很多的資料分析人員做的工作都是從原始資料到各種拆分彙總，再經過分析，最後形成完整的分析報告。
當然原始資料可以是別人提供，也可以自己提取（作為一名合格的資料分析師，懂點sql知識是很有好處的）。
而資料探勘則需要有程式設計基礎。為什麼這樣說呢？舉兩個理由：
第一個，目前的資料探勘方面及相關的研究生方面絕大多數是隸屬於計算機系；第二點，在招聘崗位上，國內比較大的公司掛的崗位名稱大多數為「資料探勘工程師」。從這兩點就可以明確看出資料探勘跟計算機跟程式設計有很大的聯絡。
2、在對行業的理解的能力
要想成為一名優秀的資料分析師，對於所從事的行業有比較深的瞭解和理解是必須要具備的，並且能夠將資料與自身的業務緊密結合起來。簡單舉個例子來說，給你一份業務經營報表，你就能在腦海中勾畫出目前經營狀況圖，能夠看出**出現了問題。但是，從事資料探勘不一定要求對行業有這麼高的要求。
3、專業知識面的要求
資料分析師出對行業要了解外，還要懂得一些統計學、營銷、經濟、心理學、社會學等方面的知識，當然能瞭解資料探勘的一些知識會更好。資料探勘工程師則要求要比較熟悉資料庫技術、熟悉資料探勘的各種演算法，能夠根據業務需求建立資料模型並將模型應用於實際，甚至需要對已有的模型和演算法進行優化或者開發新的演算法模型。想要成為優秀的資料探勘工程師，良好的數學、統計學、資料庫、程式設計能力是必不可少的。
總之一句話來概括的話，資料分析師更關注於業務層面，資料探勘工程師更關注於技術層面。
資料分析師與資料探勘工程師的相似點：
1、都跟資料打交道。
他們玩的都是資料，如果沒有資料或者蒐集不到資料，他們都要丟飯碗。
2、知識技能有很多交叉點。
他們都需要懂統計學，懂資料分析一些常用的方法，對資料的敏感度比較好。
3、在職業上他們沒有很明顯的界限。
很多時候資料分析師也在做挖掘方面的工作，而資料探勘工程師也會做資料分析的工作，資料分析也有很多時候用到資料探勘的工具和模型，很多資料分析從業者使用sas、r就是一個很好的例子。而在做資料探勘專案時同樣需要有人懂業務懂資料，能夠根據業務需要提出正確的資料探勘需求和方案能夠提出備選的演算法模型，實際上這樣的人一腳在資料分析上另一隻腳已經在資料探勘上了。
事實上沒有必要將資料分析和資料探勘分的特別清，但是我們需要看到兩者的區別和聯絡，作為一名資料行業的從業者，要根據自身的特長和愛好規劃自己的職業生涯，以尋求自身價值的最大化。
sc-cpda 資料分析公眾交流平臺
11樓：橋偲須柔
從分析的目的來看，資料分析一般是對歷史資料進行統計學上的一些分析，資料探勘更側重於機器對未來的**，一般應用於分類、聚類、推薦、關聯規則等。
從分析的過程來看，資料分析更側重於統計學上面的一些方法，經過人的推理演譯得到結論；資料探勘更側重由機器進行自學習，直接到得到結論。
從分析的結果看，資料分析的結果是準確的統計量，而資料探勘得到的一般是模糊的結果。
「資料分析」的重點是觀察資料，「資料探勘」的重點是從資料中發現「知識規則」kdd（knowledge
discover
indatabase）。
「資料分析、資料統計」得出的結論是人的智力活動結果，「資料探勘」得出的結論是機器從學習集（或訓練集、樣本集）發現的知識規則。
「資料分析」需要人工建模，「資料探勘」自動完成數學建模。
資料探勘方向難嗎？都需要用到什麼技術， 10
12樓：匿名使用者
我是一個資料分析師，但是沒有你想象的那麼厲害，大學期間我是學習電商輔脩金融的，資料探勘主要需要就業者有基本演算法的瞭解，一般網際網路行業通用的模型演算法例如聚類、迴歸、決策樹、神經網路等等，這就牽扯到你需要掌握演算法的同時還要會模型軟體，例如spss等。當然，你在做一個模型挖掘的時候肯定需要原始資料，能從資料庫中提煉的資料必須自己來，所以你需要掌握如何寫sql並提煉需求資料進行分析。另外一點就是你要有一定的分析指導及預判能力，即你分析模型結果和指導公司業務跟進或優化，在報告中你要能通過圖示、文字向需求者闡明。
一般情況下初級資料分析師是可以做到對運營資料進行加工並得到一段週期的規律來指導下一段週期，高階的資料分析師當然就是可以通過模型**出很多意想不到的方向和行為。僅供參考
有人教我資料庫原理與應用嗎，有人教我資料庫原理與應用嗎
資料庫原理與應用教程 全套 內容簡介 資料庫技術從誕生到現在，在不到半個世紀的時間裡，形成了堅實的理論基礎 成熟的商業產品和廣泛的應用領域，吸引越來越多的研究者加入。資料庫的誕生和發展給計算機資訊管理帶來了一場巨大的革命。三十多年來，國內外已經開發建設了成千上萬個資料庫，它已成為企業 部門乃至個人日...
資料庫軟體access與oracle區別
1.函式名稱不同。2.sql語句實現的差別 1 oracle支援連續的left join，但是access不支援。access實現oracle的連續兩個left join的方法 select from tbla left join select from tblb left join tblc 2 ...
SQL資料庫建立，如何與C window窗體應用程式連結
你是連最簡單的資料庫 都不會吧。先找幾本書看看吧 csdn找找 也許有你想要的 怎麼將sql資料庫連線到窗體應用程式中 c 語言！越詳細越好！要新建一個類 需要的時候呼叫 建立sqlconection物件con sqlconnection con con new sqlconnection 定義一個...