感谢“凡人求索”给大家提供的这个机会，可以共同来学习数据分析、数据挖掘。因为跟的导师不是数据挖掘方向，但是想明年秋招找数据挖掘算法相关的工作，所以2018就是一边忙导师方面的事情，一边自己学习数据挖掘方面的知识。但目前主要存在三点问题：
- 畏惧算法的难度，没有下定决心要做这方面工作。机器学习是今年计算机专业最火的方向，从去年研一的课程就能看出来，学院里基本上人手一本周志华的《机器学习》，但是看到师兄师姐秋招的时候，基本上还是找的研发岗位，做数据挖掘、算法的人很少。原因一般都是说算法下功夫是能学好的，但是算法岗的竞争太厉害了，都是要和985的硕士去竞争算法岗。所以说算法难，不是说学习算法难，而是说竞争工作岗位太难。
- 2018年所学的数据知识太过于零散，没有成为体系。现在网上的资料太多，把大部分资料存在网盘、电脑里。每天都有公众号、阅读平台推荐很多书籍、视频等。很多时候是一本书没有看完，又去看其他的资料了。这样导致说到某个知识点，感觉我听过这个术语，但是没有掌握它。得到的知识点都是碎片化的，没有形成自己的数据挖掘知识体系。
- 没有找到志同道合的小伙伴。学习的道路上，有一致目标的小伙伴感觉还是非常重要的，可是互相监督，竞争加合作的良性循环。现在身边的人都说算法太难了，不要弄算法，搞得每次看数据挖掘的东西都要偷偷摸摸的感觉。
马上2019年了，这段时间也思考了很多，现在至少决定了以后就要做数据相关的工作，一来因为现在数据岗位火热，其次现在越来越喜欢数据思维。数据思维就是我们对这个世界的认知方法，从日常大量所见，得出对自身有利的规律和对这个世界的理解。兴趣是很重要的驱动力，所以决定好好学习数据挖掘。决定了就好好去干，在这次机会下，做一个学习数据挖掘的计划。
- 理论篇：
- 数学基础：高等数学、线性代数、概率论、最优化理论。数学部分基本上都已经学过，以后碰到不熟悉的知识点再去查看就好，不再次进行整体学习。
- 传统数据结构算法：LeetCode刷题。这一部分感觉是面试很重要的东西。
- 机器学习算法：李航的《统计学方法》、周志华的《机器学习》、吴恩达的《深度学习》。要理解其原理，不能将建模过程作为一个黑箱操作，可以将一些传统的机器学习算法手推出来。
理论着重于对算法的理解，如何将一个实际问题抽象为数学问题，选择合适的模型，更进一步选择合适的超参数。比较出各个算法的优缺点，各自适应的情况。
- 工具篇：
- python编程语言：这一部分着重学习python基础和数据挖掘相应的包。从数据获取与存储、数据清洗、特征工程、 建立模型、数据可视化等方面来学习使用python。
- SQL语言与数据库原理：本科的时候学习过数据库原理，但没有使用过MySQL，需要练习MySQL的实际操作。
- 商用软件如Excel。
这是目前计划的学习内容，需要好好坚持，希望可以在这个一周一篇文章的激励下，每周都有好的产出成果。
