W tym artykule podchodzimy do eksploracji danych z punktu widzenia studenta, który ma już wiedzę ze statystyki i matematyki i chce rozpocząć naukę uczenia maszynowego.
Dokonamy przeglądu ewolucji najbardziej znanych technik eksploracji danych, pokażemy przykłady wykorzystania niektórych z głównych dostępnych obecnie narzędzi i zaproponujemy kilka praktycznych zastosowań, które mogą być wykorzystane jako podstawa dla studentów i naukowców, którzy rozpoczynają pracę z algorytmami oraz w zakresie wykorzystywania i interpretacji danych w celu tworzenia własnych rozwiązań, które pozwalają na wydobycie cennych informacji i badanie dużych ilości surowych danych.