大数据技术的十个关键点

第一课：
目前数据分析主流的是R、python，相信大部分不会用C++和julia这两个和java的那套体系的工程量太大，并且大部分都是业务逻辑写改删查抄。
C语言确实有点难，他和汇编类似，粒度到操作符级别，但是我认为编码必须学C++这个是一个编程基础。也是理解底层的基本功。
第二课：
线性回归、多元回归、多项式回归、非线性回归（倒数回归、对数回归）、多重共线性
第三课：
岭回归、第一课：概述与工具介绍、机器学习模型、机器学习的路线图、Python（含Scikit-learn）、R、MATLAB、Weka
第二课：线性回归、多元回归、多项式回归、非线性回归（含倒数模型、对数模型等）、多重共线性、R及Python回归实例
第三课：岭回归与LASSO、过拟合与正则化、TensorFlow初步、逻辑回归、分类任务及其评价（Accuracy, Precison, Recall, F1-Score)、基于Python的鸢尾花分类器实例
第四课：较大熵模型（Softmax）、感知机算法、TensorFlow手写数字识别实例
第五课：支持向量机（凸优化及KKT条件）、VC维、Python及MATLAB鸢尾花分类实例
第六课：聚类算法之k-means、k-median与期望较大化算法（EM）、Python及R聚类实例
第七课：密度聚类DBSCAN、kNN（含kd-tree、quad-tree）、Python及MATLAB实例
第八课：决策树1（Hunt, ID3）、Gini Index、信息增益、分类误差
第九课：决策树2（C4.5,CART）、Weka的使用
第十课：随机森林、Bootstrap与AdaBoost