研究领域基础知识储备

专业知识储备：

1. 并行计算技术（大规模并行、分布式设计基础理论）
2. 云计算技术（云资源管理、混布、虚拟机、Linux容器、虚拟化、大规模系统基架支撑）
3. 微服务技术（分布式服务、作业、任务管理）
4. 大数据处理技术（数仓模型、数据挖掘、数据模型、数据可视化等）
5. 存储、数据库技术（行存储、列存储、OLTP、OLAP、阵列存储、索引原理、向量数据库、NOSQL等）
6. 机器学习技术
   6.1. 机器学习任务（时序、时空、预测、回归、聚类、分类、NLP、CV、信号处理、模糊模型等）
   6.2. 机器学习范式（联邦学习、强化学习、持续学习等）
   6.3. 机器学习模型（传统模型[随机森林、K-Mean、SVM等]、深度学习[CNN、RNN、Transform、BERT等]）
7. 数学建模基础（逻辑学、离散模型、连续模型、积分原理、数学分析、随机过程等）

底层知识储备：

1. 系统论、控制论、信息论
2. 离散数学模型（图论、树、偏序关系等）
3. 结构学（金字塔模型、一般系统论、耗散结构、组织原理）
   [系统、控制、信息、能量、结构]
4. 连续模型（）

金融、宏观、舆情系统战术情报分析系统
高频交易
经济学原理（宏观经济学、微观经济学、）
量化技术
定量分析
概率论（马尔科夫、贝叶斯模型、非线性模型、连续事件概率建模、时序建模、随机原理、随机过程、估计）
博弈论（博弈建模、临界博弈、博弈矩阵、连续博弈分析、蒙特卡洛）

面向临界博弈、利用实时数据系统进行时序差分分析，分析变化的根因

中央数据系统战略分析系统
面向绝对和高可控建模、服务于控制，利用大规模数据系统实现大规模控制（动作）编排最优决策、全局收益优化、长期规划系统
通用大规模控制系统（绝对中央集权化）
中长期投资收益可控化（中等风险化）
社会工程学原理（多特征、多角度等效信息分析、社群分析）
战略系统

https://github.com/vnpy/vnpy

https://github.com/apache/superset