一、基础篇（了解一些基本概念）
1、大数据分析要做哪些工作：通过建立指标对数据进行统计来发现数据之间的联系。利用数据挖掘和机器学习的方法，发现事件的规律和知识，并对未来事物发展进行预测。
2、做大数据分析需掌握哪些知识：数据库方面的如MySQL、hive等，数据加工如Python语言，统计学知识，数据分析方法如建模、挖掘、机器学习、回归分析、分类聚类等，以及相关的业务知识。
3、什么可以称之为数据：数据就是一些承载着某些信息的符号，一般只含有通识性的信息如含1>0，则不将其作为有用数据。
4、什么是BI：商业智能，是基于事实的辅助决策系统。其基于数据仓库做数据建模、数据分析，数据挖掘和数据可视化。
5、所要了解的一些数据值：加和值（如GDP、GNP）、标准差、加权平均值、众数、中位数、欧式距离（两点之间直线距离）、曼哈顿距离（两点在标准坐标系上绝对轴距离的和）、环比（和上一个报告相比，如今年1月和2月比）、同比（相邻时段不同时期对比，如今年1月和去年1月对比）。
6、所需掌握抽样方法和分布函数：随机抽样，分层抽样，系统抽样；高斯分布（正态分布），泊松分布、伯努利分布。
7、什么是指标：指标是成果量化的一种方式，可以为运营带来驱动力。指标的建立实际是建模的过程，是找到数字和数字之间的逻辑关系并用来做出预测和判断。
8、互联网行业常用的指标：PV（点击数）、UV（独立用户浏览数）、DAU（日活用户）、MAU（月活用户）、LTU（用户生命周期）、ARPU（每用户平均收入）。
9、指标的特点：数字化、可测量、意义清晰、周期适当、尽量客观。
10、如何建设指标体系：明确考核对象、指标周期、横向和纵向比较等。
二、进阶篇（需掌握的相关术语）
1、信息论：信息是来消除不确定的。信息量计算方式是信息个数的对数，当信息发生概率相等时，信息量为logm ，其中m为信息个数；发生概率不等式，信息量为logp，p是事件发生的先验概率，即概率特别小的事件信息量大。
2、香农公式：C=B*log(1+S/N)，B是码元速率极限值，B=2H，H为信道带宽，S为信号功率，N为噪声功率。
3、熵：物理学中熵表示内能增加时，分子运动杂乱程度变高。这里指的是信息熵，是用来描述量化信息的杂乱程度，公式为所有x事件发送的概率乘该信息量的总和，信息越单一熵越小。
4、向量和维度：数据领域用a,b,c……来表示向量和维度数，有多少维度就有多少个参考坐标系，且维度设计具正交性。在存储数据时，要注意数据是否冗余，即相同一份数据存储多余一份。设计者需出于自身考虑选择成本最低的方式。
5、矩阵和矩阵计算、数据立方体（3个维度的坐标系）
6、线性回归：利用回归分析确定两种或两种以上因素的关系。
7、拟合：把平面上一系列点由一条光滑的曲线连接起来的过程。
8、残差分析：利用最小二乘法，得到一个最合适的拟合曲线。
9、过拟合：拟合太过，会使得模型失去泛化能力。原因一般是因为样本太少，过于追求完美。
【读书笔记|《白话大数据和机器学习》学习笔记1】10、欠拟合：误差分布过于散乱，原因是参数过少或者拟合不当。
推荐阅读
- paddle|动手从头实现LSTM
- 人工智能|干货！人体姿态估计与运动预测
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- Python专栏|数据分析的常规流程
- 读书笔记|读书笔记 ＂起步时最重要的是什么＂
- Pytorch学习|sklearn-SVM 模型保存、交叉验证与网格搜索
- 网络|一文彻底搞懂前端监控
- Python机器学习基础与进阶|Python机器学习--集成学习算法--XGBoost算法
- 深度学习|深度学习笔记总结