数据挖掘的主流算法包括统计学习算法和机器学习算法，如监督学习、半监督学习和强化学习等。在机器学习算法中，最受欢迎的是深度神经网络算法，其主要工作是寻找更高级的算法或对其进行改进，使其在数据挖掘中更高效，或者使其成为工具，使用起来更方便，降低了算法的门槛。
数据挖掘的主要研究有哪些方向？
数据挖掘主要研究方向包含算法研究和应用研究两个方面。1.数据挖掘算法研究。目前数据挖掘的主流算法包含统计学习类算法和机器学习类算法监督学习半监督学习强化学习等 而机器学习算法里面最热门的就是深度神经网络算法，主要工作是找到更加先进的算法或改进这些算法，使其在数据挖掘方面更有 效率，或者将这些算法做成工具，使用起来更方便，降低算法门槛。
2.应用研究，主要是大数据分析范畴。数据挖掘在人文社科经济医疗理工科等各个领域都有极强的应用前景。第一步，选定某个自己擅长的领域，找到获取该领域数据的途径，这一步看似简单，其实很难，一方面是需要的数据量非常大而 且要全面，另一方面是要尽可能保证获取的数据的真实性，这个前提没做好，后面的分析毫无意义。
第二步，数据清理，必须了解数据清理的常用算法，对数据进行冗余清理和标准化处理等。第三步，选择合适的算法，不断做实验，获得实验结论第四步，建立适当的结论评价标准，判断第三步的结论是否有实际意义，如果结论存在明显错误或者无法自洽，则从新选择算法 ，如果换了多个算法，结论仍然无意义，则考虑是数据存在问题，很可能需要从新找数据，或者考虑之前的数据不够充分，还需要 补充其他方面的数据重新分析。
推荐算法工程师与数据挖掘工程师有什么区别？它们日常工作内容有什么不同？
作为一名推荐算法工程师讲讲我的主要工作…1. 搞数据，但算法工程师的搞数据主要指做样本，即为了让算法学到更有价值的东西我们来根据数据库中的数据来选择不同的字段作为特征喂给算法，说白了就是怎么用数据。2. 目前推荐业务主要使用深度学习算法，我们会跟踪业界最新的论文等研究是否这些模型适合我们的业务场景来落地实现。
数据分析师与数据挖掘工程师，有什么区别？
我上一份工作是数据分析师，现在的工作是数据挖掘工程师，因此我可以以我自己的实际经验来回答这个问题。数据分析师和数据挖掘工程师，同属于数据领域的洞察者，但是两者的工作内容却有着不小的区别。对于一个数据分析师来说，最重要的并不是编程技能，而是逻辑分析能力业务理解能力报告展示能力等。数据分析师数据分析师使用的主要工具可以是编程，但并非必要因为现在已经存在大量的强大易用的数据分析工具，比如ExcelTableauSPSSSAS等，即使你没有编程能力，仍然能胜任绝大多数的数据分析工作但是相对于数据挖掘工程师，你还额外需要一些能力，比如数据可视化的能力写数据报告的能力在领导甚至许多人面前做报告讲演的能力等同时，由于现在互联网公司都在讲大数据，数据的存储基本上在各种大数据平台和数据库中，因此你有必要掌握HiveHDFSMySQL等的使用，SQL的熟练掌握是不可避免的。
数据分析师一般有两种，一种是面向业务的，主要是支持各业务线和部门的产品经理的需求，帮助他们分析业务，了解业务，发现业务中的问题并提供解决方案，另一种是宏观分析。一般没有需求方，主要是自愿探索，找出公司业务存在的问题，找出公司的发展趋势，引导公司的发展方向。虽然数据挖掘工程师说自己不会编程或者根本不会做数据挖掘，但是好的编程技巧会成为你工作中的得力助手。很多时候，数据挖掘工程师会为数据分析师提供一些支持工作，比如为他们建立数据库，清理数据，建立报表平台等。有时候数据分析师会直接问数据挖掘工程师需求。一些数据存储格式超出了数据分析师的技能范围，因此需要数据挖掘工程师来帮助他们做一些前期工作。另外，数据挖掘工程师经常需要做一些机器学习的工作，所以需要对各种机器学习算法的理论和代码实践有足够的了解。
