数据挖掘（Data Mining）是一个跨学科的计算机科学分支。它是用人工智能、机器学习、统计学和数据库的交叉方法在大规模数据中发现隐含模式的计算过程。基于大数据时代的背景，本研究报告对数据挖掘这一课题进行了简单梳理。

报告总共分为概述、技术、人才、应用、国内外工业界在KDD上的研究和趋势六个篇章，介绍了数据挖掘的概念与研究概况、数据挖掘的算法与实现以及数据挖掘的应用领域与发展趋势。限于篇幅，仅节选其中的人才篇进行介绍，完整版报告点击下载报告即可获取。

人才篇

学者情况概览

AMiner选取数据挖掘领域影响力排名前1000的专家学者绘制了该领域学者全球分布地图，如下图。从国家来看，数据挖掘领域的人才在美国最多，中国次之，英国和意大利等国也较为集中。从地区来看，美国东部人才最为集中，西欧人才分布也比较多，其次是中国大陆等地区。



选取数据挖掘国内影响力排名前1000的专家学者绘制了学者国内分布地图，国内学者集中分布在北京上海两地，湖南和四川地区的学者分布也相对集中。从整体来看，东部学者数量远多于西部。



AMiner对数据挖据排名前1000学者的迁徙路径做了分析。由下图可以看出，美国数据挖掘顶尖人才的流失和引进是相对比较均衡的，其中美国是自然语言处理领域人才流动大国，人才输入和输出幅度都大幅度领先，且从数据来看人才流出大于人才流入。德国、中国和加拿大等国落后于美国，其中德国和加拿大有轻微的顶尖人才流失现象。



学者简介

学者选取来自近期将要发布的全球AI十年影响力人才发展报告，我们选取了KDD会议，对所涉学者及其论文关键信息进行抽取。依据各学者论文被引用的次数，来进行此次十年最具影响力人才的排名。我们依此排名对国内外学者进行介绍。

点击下载