R语言数据科学项目——基于行业应用实践

##背景 最初是学习cousera上JH大学的数据科学项目而建立的课程笔记，因为它的框架结构很好。
我从2012年底，为了文本挖掘的一些工作开始用R，后来换了几个公司一直在使用R做分析展示和模型，尤其2015年完成了一次鹅厂内部的系列课程，对整个框架的认识逐渐清晰起来，所以重整了框架和自己使用感悟。
目标1：总结用；目标2：布教用；目标3：更大的一盘棋怎么下还没想好：D

##目录(暂时不动，框架想好了再更新)

1. The Data Scientist’s Toolbox：包括R语言，github，markdown语言的内容
2. R Programming：R语言的基础
3. Getting and Cleaning Data：数据获取包括各种数据接口的使用，清洗则是花时间最多的工作
4. Exploratory Data Analysis：探索性数据分析，主要是可视化以及一些多维探索方法
5. Reproducible Research： 可重复性研究，把“分析”升级为“产品”的关键步骤
6. Statistical Inference： 统计推断，暂时不开始
7. Regression Models： 太基础的内容放到下一部分
8. Practical Machine Learning： 主要的分类和预测算法
9. Developing Data Products：数据产品开发，学习中
10. Web crawler and NLP: 轻量级爬虫和轻量级自然语言处理
11. Time series analysisT:主要适用于KPI预测的决策参考
12. 还有啥。。。

##关于R 比java,c效率低下的分析用语言，不适合工程应用，也不能独立应付“大数据”（单机百万行的分析建模差不多了）；
它的学习成本高于点选拖拽式的分析软件（SPSS，excel），想要产出一样效果的报告，要付出更多的时间精力；
但是，数据分析师确实可以基于R和各种接口包，搭建一个不错的分析环境：
它的优势在于分析相关的核心代码非常简单，比如统计、比如建模，一行搞掂；
它的健壮在于一个优秀的开源社区，统一的版本和package管理比Python清晰不知道多少；
它的方便在于优秀的IDE——Rstudio，集代码、数据、帮助、可视化于一身，非常适合分析师工作；
它同linux、hadoop一样是开源世界的产物，属于热爱自由和分享的码农以及伪码农们！
你不必费尽心思去破解、去求密码，而可以正大光明的使用它，不用担心谁来追究商业问题，
而且，你写的每一行代码，每一个应用，都在为社区做出贡献，这是多么美好的事情╮(￣▽￣")╭

##关于作者 data葱http://weibo.com/u/1796401915

2015-4-16 Angrew Ng 大神的ML课程也是很赞的哈！想学ML的小白推荐哈！
2016-4-11 最近即将启动一次重大更新！整合我在鹅厂内部课程和这一年的相关积累
2016-6-29 时间序列分析的基础内容添加完了，开始整理可视化部分