半年前从数学专业转行到了互联网行业做数据挖掘和推荐系统，在做具体的业务的时候遇到了一些知识点，于是自己整理出来。如果有后来人需要转行的话，可以用这份资料来参考一下。大牛请忽视以下的内容，小白可以参考下。

从数学专业转行到工业界做数据挖掘需要的知识储备：

Hive用于提取数据，做基本的数据分析。hive的基本函数，比如聚合函数，数学函数，字符串的函数，连接表格函数等。hive的各种语句，比如if else，case等语句。

EXCEL的基本操作需要掌握，可以进行各种数据的处理、统计分析和辅助决策操作，用熟悉了其实挺方便的。

逻辑回归算法 Logistic Regression（LR），

支持向量机算法 Support Vector Machine（SVM），

物质扩散和热传导算法（Heat Spreading），

Gradient Boosting Decision Tree（GBDT），

聚类算法，神经网络算法，决策树，随机森林，异常值检测等常用算法需要掌握。

特征工程的基础知识：根据相应的产品进行必要的特征构造，物品特征，交叉特征等。

其中LR使用广泛：由于LR是使用线性方法来处理非线性的问题，导致特征工程十分复杂，交叉项多（二维或者三维的交叉）。

工程上的最优化论文推荐：
Ad Click Prediction a View from the Trenches
需要了解的是相关论文的背景SGD算法，Truncated Gradient算法，RDA算法，FOBOS算法，FTRL算法等。