本文目录
计算机硕士边缘计算，数据挖掘和人工智能哪个就业方向最好
作为一个计算机专业的在读研究生来回答一下你的这个问题，希望对你有所帮助哈。
就目前你说的这个三个专业吧，边缘计算我了解的偏少一点，边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求，其实你看过来的话，还是离不开数据，现在我们的大千世界里都离不开数据。
除了边缘计算的话，我觉得大数据和人工智能吧，这两个方向都是有一定的联系的，不是单独的两个方向，都知道我们现在的生活中也都离不开数据，对大量的数据进行处理，借助已有的模型进行预测推算等。
在人工智能领域很多的东西都是要借助数据作为基础的，所以数据也是十分重要的，特别是有些东西你做研究的话，如果没有数据的话一切都是在空谈，所以我个人觉得如果可以数据挖掘与AI结合起来学习，后面就业的话可能会更加的好。
我们现在的社会都在往人工智能的方向发现，数据都在时时刻刻的产生的，我们可以用这些现有的数据来帮助我们进行一系列的工作，所以我个人觉得如果数据挖掘与人工智能结和起来会更加的有利于自己后面的发展！
不会写代码，怎么做数据挖掘
如果熟悉编程,小批量数据可以使用R,Python等,大批量数据可以使用Spark,Flink等.
Python 有一些库如下:
如果不会写代码,也有很多工具可以选择.
收费的:
SAS
SPSS
JMP
Knime
rapidminer
免费的
WEKA
Orange
当然 Excel也可以
大数据和数据挖掘的区别
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
数据挖掘流程：
- 定义问题：清晰地定义出业务问题，确定数据挖掘的目的。
- 数据准备：数据准备包括：选择数据–在大型数据库和数据仓库目标中 提取数据挖掘的目标数据集;数据预处理–进行数据再加工，包括检查数据的完整性及数据的一致性、去噪声，填补丢失的域，删除无效数据等。
- 数据挖掘：根据数据功能的类型和和数据的特点选择相应的算法，在净化和转换过的数据集上进行数据挖掘。
- 结果分析：对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。
数据挖掘的技术，可粗分为：统计方法、机器学习方法、神经网络方法和数据库方法。统计方法，可细分为：回归分析（多元回归、自回归等）、判别分析（贝叶斯判别、CBR、遗传算法、贝叶斯信念网络等。神经网络方法，可细分为：前向神经网络（BP算法等）、自组织神经网络（自组织特征映射、竞争学习等）等。数据库方法主要是基于可视化的多维数据分析或OLAP方法，另外还有面向属性的归纳方法。
大数据挖掘的前景如何
先说结论，大数据挖掘的发展前景
在技术方面，科学家们从现有层面上提出各种新兴技术。比如从数据处理角度，有分布式处理方法MapReduce，较著名的应用工具有Hadoop 和DISCO。在如何提取有价值的信息，处理底层的结构化技术支持外，数据挖掘算法，机器学习算法都是必不可少的。
在信息安全方面，大数据挖掘将成为信息安全发展的契机。如今，数据无处不在降低了自身信息的安全性，各种为信息安全服务的技术和产品成为大数据研究中心的方向和信息安全领域的首要问题。因此如何保证数据产业链的安全对信息安全发展具有重要的意义。
在企业经营管理和产业服务方面，大数据挖掘将成为企业及服务机构等诸多行业的转折点。伴随着大数据挖掘技术在企业管理中带来经济效益的同时，也带来了管理模式的巨大改变，企业必须拥有三类人才：管理人才、分析人才及技术型人才。
在教育教学方面，一所具有强大数据挖掘能力的远程教学平台，信息化教学的数字校园，能为师生提供更具个性化的数据支撑和服务。在校园启用“大数据”，通过便捷的多元的采集方式，建立基础数据平台并和教学资源，提供标准数据接口，统一采集、认证，集中存储，开放计算，最终消除“信息孤岛”。
在商业价值方面，大数据挖掘将成为创造价值的核心。时间虽短，历经二十年打开了一个新的时代，引领全球进入创新和发展的新的竞争模式。
大数据分析与挖掘，需要通过数据分析来发现现状，并且通过模型与预测分析技术来对改善进行预测与优化。数据分析能力的高低，决定了价值发现过程的好坏与成败。
国内市场巨大，许多企业（无论是互联网的新锐还是传统的企业）都在讨论这个，也有实际的需求并愿意为此付钱，但是比较零碎尚不系统化。目前对数据需求最强烈的行业依此是：金融机构（从基金到银行到保险公司到P2P公司），以广告投放及电商为代表的互联网企业等
数据沉淀
目前有四大方式获取数据
网络爬虫，用Python及Go等开发了自己的爬虫平台，对几十个网站进行每日抓取获得相关信息
Wi-Fi接入方案，我们自己开发了一套完整的软硬件方案，优势是超高的ROI（投资回报比），且免费提供给物业管理者，帮助其实现靠网费赚钱以及推广费赚钱。在与其协商的基础上，获得用户数据。这主要是OpenWRT的开发以及一些智能硬件和客户端的开发。
提供一些图像方面的API，进行图片搜索及人脸搜索，满足客户在图像处理和图像识别方面的一些需求。开发主要用到一些Machine Learning和Deep Learning的算法，使用C++/Open CV/Matlab等。
数据服务需求方自行提供。
数据挖掘
利用数据分析产生深层次有价值的理解。基于以上各种方式获得的数据，我们可以做最简单的统计分析、用户及品牌理解、用户画像、各品牌或各产品型号之间的关系等等，了解现在和历史并争取预测未来。
常用的工具是Python/R/SPSS等，算法包括最简单的统计、稍微复杂一些的Machine Learning、现在被捧上天的Deep Learning以及Collaborative Filtering等等。
前景
国内企业，不论是国企还是民企，真正在业务决策中以数据分析结果为依据的，主要集中在银行，保险，电信和电商等几个行业。以IT预算最充沛，人员能力最强的银行为例，目前主要是大型银行在导入数据分析。
加米谷大数据开发9月零基础班，已开课可试听；大数据分析10月零基础班，预报名中...
相关：
什么是数据挖掘？数据挖掘的一般过程是怎样的？
https://www.toutiao.com/i6710107362302099981/
