一、入门阶段

1、学习基本的机器学习入门课程，推荐斯坦福Ng机器学习入门课程。

2、最起码学会一门编程语言

编程语言选用python是主流，但建议学习python之前先学习以下C语言，现在数据挖掘都会用python或者R语言，而python语言较为灵活，且可以向其他方面转，容易上手。

二、项目实战阶段

掌握了大致的理论，就可以开始实战了，这个时候大部分会因为没有实际的项目而陷入停滞，很简单，直接找比赛题去做。通过不断练习比赛题，对实际的机器学习项目应该就会有比较好的理解了。

三、参赛阶段

想成为真正的数据挖掘工程师，参加知名比赛是非常有必要的，这有助于增加数据挖掘经验，对以后的工作也有很大的帮助。

四、发展前景

当前数据挖掘应用主要集中在电信(客户分析)，零售(销售预测)，农业(行业数据预测)，网络日志(网页定制)，银行(客户欺诈),电力(客户呼叫)，生物(基因)，天体(星体分类)，化工，医药等方面。当前它能解决的问题典型在于：数据库营销(Database Marketing)、客户群体划分(Customer Segmentation & Classification)、背景分析(Profile Analysis)、交叉销售(Cross-selling)等市场分析行为，以及客户流失性分析(Churn Analysis)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等，在许多领域得到了成功的应用。