大数据技术重点总结(DOC 44页)

1.什么是数据挖掘，什么是机器学习：
10.VC维：
11.噪声的种类：
12.误差函数（损失函数）
13.给出数据计算误差
14.线性回归算法：简单并且有效的方法，典型公式
15.线性回归重点算法部分：
16.线性分类与线性回归的区别：
17.过拟合：
18.正则化
19.分布式文件系统：
2.大数据分析系统层次结构：应用层、
算法层、系统软件层、基础设施层
20.计算机集群结构：
21.分布式文件系统的结构：
22.HDFS
23.分布式数据库概述：
24.分布式并行编程框架MapReduce
25.
26.Spark特点：
3.传统的机器学习流程
4.1三个思维上的转变
4.2数据创新的思维方式
4.3大数据分析的要素
4.大数据分析的主要思想方法
5.数据化与数字化的区别
6.基于协同过滤的推荐机制
7.机器学习：构建复杂系统的可能方法/途径
8.机器学习的基础算法之PLA算法和Pocket算法（贪心PLA）
9.机器为什么能学习
ACID（关系数据库的事务具有的四个特性）
..............................