1.什么是数据分析？
数据的获取、清洗、转换、建模
2.分类与回归（分类是有监督的，有标签）
应用：信用卡申请人风险评估，预测公司业务增长量、预测房价
原理：分类-将数据映射到预先定义的群或者类，算法要求基于数据属性值来定义类别，把具有某些特征的数据项映射到给定的某个类别上
回归-用属性的历史数据预测未来趋势，算法首先假设一些已知类型函数可以拟合目标数据，然后某种误差分析确定一个与目标数据拟合程度最好的函数
区别：分类模型采用离散预测值，回归模型采用连续预测值
3.聚类（无监督的学习，没有标签）
应用：根据症状归纳特定疾病，发现信用卡高级用户，根据上网行为对客户分群从而进行精确营销
原理：没有给定划分类的情况下，根据信息相似度进行信息聚类。聚类的输入是一组未被标记的数据，根据样本特征的距离或相似度进行划分，划分的原则是保持最大的组内相似性和最小的组间相似性。
4.时序模型
应用：下季度的商品销量或者库存是多少？明天用电多少
原理：描述基于时间或者其他的序列经常发生的规律或者趋势，并对其建模，和回归一样，用已知数据预测未来的数据，但是这些数据的区别是变量所处时间不同。重点考察数据之间在时间维度上的相似性。
5.机器学习的基本框架
第一步：定义一系列函数，找一系列的模型
第二步：定义一个标准，看哪个模型好
第三步：在一组模型中找最好的模型
6.金融量化分析
金融，对现有资源