2019 study list

分析工具：

（1）SQL

　　  select from

　　  where

　　  group by having

　  　order by

　　  limit

　　  运算符（算数运算符+-*/、比较运算符><=、逻辑运算符not/and/or）

　　  聚合函数（count、sum、avg、max、min）

　　  函数（算术函数、字符串函数、日期函数）

　  　子查询（标量子查询、关联子查询）

　  　谓词（like、between、is null、in）

　　  case when

　　  集合运算（表的加减法、表联结）

（2）python

　　  列表/元祖/字典/集合

　　  if/while/for

　　  函数/高阶函数

　　  迭代器/生成器

　　  类/继承/多态

　　  numpy

　　  pands

　　  matplotlib/seaborn

　　  scikit-learn

　　  搜索（二分）

　　  排序（希尔、归并、快排）

　　  递归（斐波拉契、回文）

　　  最优化（背包、动态规划、贪心）

　　  随机游走

　　  二叉树

（3）Linux

　　  Bash shell

理论基础：

（1）统计概率

　　  条件概率/贝叶斯/极大似然估计/最大后验估计

　　  概率分布（0-1分布/伯努利分布、二项分布、泊松分布、正态分布/高斯分布、指数分布、β分布、γ分布）

　　  中心极限定理/大数定律

　　  假设检验（抽样、区间估计、置信区间、P值）

　　  方差分析/显著性差异（T检验、F检验）

　　  蒙特卡罗

　　  时间序列

（2）机器学习

　　  代价函数（MSE、交叉熵损失）

　　  梯度下降（随机梯度、小批量梯度）

　　  极大似然估计

　　交叉验证（gridsearchCV）

　　  模型评估（R2、RMSE、accuracy、Precision、AUC、ROC、F1 score）

　　  模型融合（voting、averaging、bagging、boosting、stacking）

　　过拟合

　　  正则化

　　  预处理（标准化、归一化）

　　  异常值检测

　　  特征工程（embedding）

　　  线性回归（lasso、ridge）

　　logistic回归（熵、基尼系数）

　　感知机/SVM（凸优化、神经网络）

　　  决策树/随机森林（ID3、C4.5、CART）

　　  adaboost/gbdt/xgboost/lightgbm

　　  朴素贝叶斯

　　  KNN（kd树）

　　  k-means

　　  PCA/SVD

　　  推荐系统（关联分析Apriori、协同过滤）

（3）大数据

　　  hadoop原理

　　  mapreduce原理

业务逻辑：

（1）方法论

　　  金字塔/逻辑树

　　 5W2H（whay、what、who、when、where、how、how much）

　　  pest行业分析（政治、经济、社会、技术）

　　  4P营销理论（产品、价格、渠道、促销）

　　  用户行为理论（认知/访问、熟悉/浏览搜索、试用/注册、使用/登录订购、忠诚/黏性流失）

　　  生命周期理论

（2）分析方法

　　  对比分析

　　  漏斗分析

　　  A/B test

　　  埋点分析

　　  来源分析

（3）指标体系

　　  人（用户画像）

　　  商品（）

　　  订单（购买行为）

　　  时间（生命周期）