总体说明：
分享部分预计30分钟到1小时，从大纲中选一部分，其他部分不直接分享但我会准备作为备用和参与讨论的素材。
分享不是讲课，我本身也是初学者，谨愿意抛砖引玉。
以下是大纲（草稿）：
1 数据和计算
1.1 数据、信息、知识、智慧的“层级”
案例：读数-温度-天气-气候-宜居
1.2 表示-通用性
简单的编码
案例： 二进制
1.3 表示-可能性
编码方法、转化、香农定理(引出信息量)
案例：通过数字表示表示字符、第一个程序（编码和解码）
1.4 表示 - 结构
数据帧
图
时间序列
二进制文件
案例：ARFF的压缩格式
案例： 数据库中的键值搜索
案例：可视化-图标、思维导图
2 程序是什么
2.1 计算的载体
变量
运算符
函数1： 输入与输出
案例：“Hello, _ _ (your name)”
（狭义）数据结构：数组等
2.2 信息与程序1-自上而下
机器学习基本假设：可发现的“规则”
案例： K近邻、决策树
分析：程序的基本结构：顺序、循环、选择(结合流程图)
信息的流动性和方向性：
案例：梯度下降、启发性
2.3 实现程序1 – 信息论的应用
案例： “训练”决策树的基本原理（分而治之）
2.4 信息与程序2-信息和知识的提取和验证
数据清理-可能(possible)与“更可能”(probable)
案例：2019未来杯租金数据集
模型验证 - “机器学习”和统计学的思路差别
2.5 数据和程序的共同结构
（都围绕信息本身）
控制流模型
数据流模型
案例：S表达式（再看递归）
案例： 基本指令-从CPU到CRUD
案例： 实时数据分析
2.6 实现程序2：软件模块
案例：Pandas
3 程序的运行环境
3.1 抽象
函数2： 层级和操作函数的函数
案例： scikit learn的cross_validate
信息封装和“对象”
案例：训练模型序列化
封装后的接口
3.2 数据库、分布式系统
作为数据提供者
作为程序提供者
案例：Hadoop的文件系统树
案例：Flink基本示例之单词计数
“操作系统”1：
案例：Hadoop集群管理规则-高可用
3.3 程序与人
设计的重要性
案例： 不只是”可视化“（The Visual Display of Quantitative Information）
案例：机器学习的商业团队（https://jameskle.com/writes/ml-teams）
4 社群？
与日常生活
4.1
数据的生产和搜集： 无所不在的计算
4.2 新的信息时代
“价值”互联网
一些暂时不知道加在哪里的东西：
程序语义：（需要数据分析中比较底层还好理解的例子）
程序的转化：以自动求导为例
模拟计算和数字计算