计算思维考试重点——大数据数学基础（Python语言描述）

第二章 微积分基础

函数求导，求积分，常用参数列表，进一步引深能干什么

第三章 概率论与数理统计基础

第四章 线性代数基础

行列式使用，P117如何使用矩阵秩求解线性方程；特征值求解，矩阵P131页，例4-37；奇异值分解应用于图像压缩。

第五章 插值法

基本概念：误差的形成及其分析；插值法：拉格朗日插值法（Lagrange）、牛顿插值法（Newton）：函数拟合、求解多项式、数据预测、数据补全。

第六章 多元统计分析

一元线性回归：函数参数估计；机器学习：分类、聚类，k-means原理、支持向量机原理

补充内容

机器学习案例，数据的使用：数据分析与挖掘、数据获取、相关性分析、降维、划分训练集。