一、面向工具：
1.1 資料分析與sas
--sas時間序列分析
1.2 資料分析、展現與r語言
1.2.1 r其中**之金融資料分析quantmod
1.2.2 r七種**之資料視覺化包ggplot2
1.2.3 r七種**之生命資料分析bloconductor
1.3 資料分析與spss
1.4 快速資料探勘平台rapidminer
二、面向應用領域
2.1 doe技術及應用
2.2 計算廣告學
2.3.量化投資
2.4.搜尋引擎與網路資料分析
2.5社交網路資料探勘
2.6.文字挖掘與分析
三、面向演算法與建模
3.1.資料分析的數學基礎
--神經網路與深度學習
--複雜網路及應用
--機器學習
--時間序列
資料分析分類
按照資料分析的實時性，可分為實時資料分析和離線分析兩種。實時分析，一般用於金融 移動和網際網路b2c等產品，往往要求在數秒內返回上億行資料的分析，從而達到不影響使用者體驗的目的。實時分析工具有emc的greenplum，sap的hana等。對大多數反饋時間要求不那麼嚴苛的應用，可以採用離線分析的方式...
資料分析學習方向（一）
很多人看到了資料分析行業的火爆形勢，於是就想進入資料分析行業.他們在學習資料分析知識的時候可能有點迷茫，這是因為資料分析知識有很多內容，不知道如何去學習或者不知道從何處下手。今天我們中給大家介紹一系列的資料分析的學習方向，希望這篇文章能夠給大家帶來幫助。資料分析這四個字讓人們覺得這是乙個高大上的工作...
資料分析學習方向（四）
當然我們還需要知道面對不同型別的問題的時候更適合用哪種演算法模型，對於模型的優化，我們需要去學習如何通過特徵提取 引數調節來提公升 的精度。這就有點資料探勘和機器學習的味道了，其實乙個好的資料分析師，應該算是乙個初級的資料探勘工程師了。除了這些，我們還需要知道系統實戰與資料思維。我們在學習的資料分析...