最近同时在上cousera的另一门课程，希望三年后能成为一名出色的数据分析师，曾想过往大数据挖掘那方面试下的，不过慢慢地想法改变了下，只抱着单纯的学习数据处理技能来学习，或许也不错吧
第一节。series motivation
第一节嘛，主要还是讲下学习的理由，以及什么叫做data scientist。确实看过之后让我的观念有所改变，并不是只有像anderew NG 这样的牛人才能搞数据分析，也不是隔壁的华工机器学习那帮人才能搞，高端有高端玩法，只要把跟自己工作相关的数据处理好，依靠数据作决策，就应该有碗饭吃了吧
不说闲话，先放一个维恩图，不错的框架，努力的方向呀(编程能力，数学及统计学知识，实务能力），有意思的是只有编程和实务能力，看来是成不了数据分析师的哦
第二节 数据科学家的工具箱
R,Github.当然我觉得有价值的应该是下面这张图吧，感觉全程像是做菜
1.3 getting help
首先是一些r的帮助
1.4 finding answer
以下是各方面牛人的关键特征，也可以说是长处，要学会啊（有点感觉week1是在进行德育训练，不像是技能训练呢）
参照第一图
不得不说外国人还是敬业，这都总结，呵呵
1.5 r语言总览（五笔为jtyq)之所以第三笔是y,是要加一点
1.6 getting and cleaning data overview
这是我觉得很重要的一环
1.7exploratory analysis overview
探索式分析内容，这些都是基本步吧
分析图的原则
探索式绘图
plotting systems in R -base -lattice(晶格式） -ggplot2(另一种绘图包）
hierarchical分层 聚类 k-means聚类
维降约
1.8 reproducible research overview(重复性研究概论）
重复性研究内容：
一个数据分析的结构
组织一个数据分析
markdown
LaTeX
R Markdown
基于证据的数据分析
RPubs
数据分析的步骤见1.2最后一张图
1.9统计推断概述statistical inference overview
1.10回归模型概述regression models overview
1.11实用机器学习概述
主要是marchine learning in R
1.12 数据产品创建概述
R包是一个很好的展示自己的机会，若有实力，可以做一个，于是找工作什么的应该就不难了吧
注意R allows object oriented programming这句话是错的，要记住
