数据挖掘是在大型数据集中发现有意义的模式，以帮助指导组织决策的过程。 利用回归、分类和聚类分析等技术，数据挖掘可以对大量原始数据进行分类，从而分析客户偏好、检测欺诈交易或进行社交网络分析。 数据挖掘之所以重要，是因为它能提供企业所需的描述性和预测性分析，以提高生产率和销售额、降低成本并为未来做好准备。

与数据科学的其他领域一样，数据挖掘通常依赖 Python 编程语言来完成数据清理、数据组织和机器学习 (ML) 应用等任务。 在社会数据挖掘中，数据聚类算法被用于为推荐系统提供信息，从而指导客户进行娱乐和电子商务选择。 在深入研究非结构化数据集时，数据挖掘可利用信息检索（IR）和自然语言处理（NLP）进行文本挖掘应用，从而发现客户新关注的问题或未满足的需求。 ‎

根据企业规模的不同，数据挖掘专家、数据分析师或数据工程师可能负责数据挖掘工作。 无论职称如何，数据挖掘都要求了解所有类型的数据、数据库和分布式文件系统，以及描述性和预测性分析的统计要求。 此外，尽管大多数数据挖掘都是通过 Python 或 R 编程技能来完成的，但 SQL 和商业智能软件的知识也非常重要。

数据挖掘也是数据科学家的一项核心技能，他们拥有编程技能、对统计学的理解以及处理和可视化数据的能力，这些都是这一领域所必需的。 无论是在解决公共政策问题、帮助检测疾病爆发还是识别洗钱活动方面，他们还拥有深入的 ML 算法知识，可以帮助他们进行探索性分析。 根据 Glassdoor 的数据，美国数据科学家的全国平均年薪为 113,309 美元。 ‎

是的！Coursera 有大量关于数据挖掘和相关主题的在线课程和专业课程，包括机器学习、自然语言处理和使用 Python 的应用数据科学。 您可以选修伊利诺伊大学香槟分校、约翰霍普金斯大学和华盛顿大学等一流院校以及 IBM 等行业领先组织的课程，因此您不必为了获得在线学习的机会而牺牲教育质量。

Coursera 还提供获得 IBM 数据科学专业证书的机会。 此外，通过 Coursera 指导项目，您有机会通过专家讲师提供的实践教程为自己的简历增添技能，这些教程涉及使用 Python 进行 Covid-19 数据分析和使用深度学习进行情感分析等前沿主题。 ‎