2024年暑期将至,你的计划是什么?
你有多久没有系统地更新知识了?
每次别人谈起机器学习与人工智能
你若总是云里雾里,这种状况还要持续多久?
机器学习早期为人工智能的分支,后来也有不少统计学家加入,最近一、二十年因为其预测精度迅速提高而走红,并在业界有着广泛的应用。
可以预见,在未来三十年,几乎所有行业都会因机器学习的深刻冲击而改变。
MIT名誉校长Eric Grimson曾预言,机器学习会成为像Word一样的工具。而谁先掌握此工具,则可占得先机,成为时代的弄潮儿(至少不会落伍)。
或许你觉得机器学习(Machine Learning)对于你并没有什么实际用途。 但事实上,至少已经有两波机器学习的大潮席卷了经管学科。
第一波是以 LASSO 为代表的高维回归、惩罚回归
第二波为以决策树与随机森林(Random Forest)为代表的新型非参数回归与集成学习(Ensemble Learning)
而以神经网络与深度学习(Deep Learning)的第三波也正在潮流涌动……
如何迅速上手机器学习及Python应用?
陈强老师亲授的「机器学习及Python应用」四天现场班(北京,2024年7月18-21日),手把手讲解机器学习与Python应用,无疑是难得的捷径!
课程是提取机器学习的书籍的精髓
主要包含思想原理 +数学精髓+案例讲解
陈强教授获得北京大学经济学学士、硕士,美国Northern Illinois University数学硕士、经济学博士,现为数量经济学博士生导师,在统计学、计量经济学及机器学习领域具有深厚的功底,2010年入选教育部新世纪优秀人才支持计划。陈强老师著有畅销研究生教材【高级计量经济学及Stata应用】(第2版,高教社,2014),以及【机器学习及R应用】(高教社,2020)与【机器学习及Python应用】(高教社,2021)。陈强老师特别擅长深入浅出、直指人心地介绍数据分析原理,深受广大学生们的喜爱,其现场班常常人满为患、好评如潮。
机器学习及Python应用
课程信息
培训时间: 2024年7月18-21日 (四天)
培训地点: 北京市(提供交通住宿指南)
授课安排: 上午9:00-12:00;下午2:00-5:00;答疑5:00-6:00
授课方式: 思想原理 + 数学精髓 + Python经典案例
!根据缴费顺序安排现场座位,报满封班!
本课程的最大特色在于「一站式服务」,从机器学习的原理、数学推导,到Python语言命令与经典案例,无不精心设计、丝丝入扣,理论联系实操,让学员们迅速理解机器学习的精髓,并掌握最为流行的Python语言操作。
陈强老师将从零开始,介绍 Python语言的精华,让你迅速上手!
授课大纲
第 1讲 机器学习引论
(1) 什么是机器学习
(2) 机器学习的分类与术语
(3) 案例: 垃圾邮件过滤;手写体数字识别;图像识别;自动驾驶
第 2讲 Python语言快速入门
(1) Why Python?
(2) 安装Python与Spyder
(3) Python的模块(module)
(4) Python的对象(str, bool, list, tuple, dict, set)
(5) Python的函数(function)与方法(method)
(6) Numpy(ndarray), pandas(Series, Data Frame)
(7) sklearn(机器学习)与keras(深度学习)
(8) Python画图(Matplotlib, pandas, seaborn)
(9) Python面向对象编程
第 3讲 数学回顾
(1) 梯度向量
(2) 方向导数
(3) 梯度下降
(4) 向量微分
(5) 最优化
第 4讲 线性回归
(1) OLS
(2) 过拟合与泛化能力
(3) 偏差与方差的权衡
(4) 交叉验证
(5) Python案例: 多项式回归的过拟合;波士顿房价
第 5讲 逻辑回归
(1) Logit
(2) 几率比
(3) 灵敏度与特异度
(4) ROC与AUC
(5) 科恩的kappa
(6) Python案例: 泰坦尼克号旅客的存活
第 6讲 多项逻辑回归
(1) 多项Logit
(2) Python案例: 识别玻璃类别
第 7讲 惩罚回归
(1) 高维回归的挑战
(2) 岭回归(Ridge Regression)
(3) 套索估计(Lasso)
(4) 弹性网估计(Elastic Net)
(5) Python案例: 前列腺癌的影响因素
第 8讲 K近邻法
(1) 回归问题的K近邻法
(2) 分类问题的K近邻法
(3) Python案例: 摩托车撞击实验数据;鸢尾花品种的归类;威斯康辛乳腺癌的诊断
第 9讲 决策树
(1) 分类树( classification Tree)
(2) 分裂准则(错分率、基尼指数、信息熵)
(3) 成本复杂性修枝
(4) 回归树(Regression Tree)
(5) Python案例: 波士顿房价;葡萄牙银行市场营销
第 10讲 随机森林
(1) 集成学习(Ensemble Learning)
(2) 装袋法(Bagging)
(3) 随机森林(Random Forest)
(4) 变量重要性(Variable Importance)
(5) 偏依赖图(Partial Dependence Plot)
(6) Python案例: 波士顿房价;声呐信号的分类
第 11讲 提升法
(1) 自适应提升法 (AdaBoost)
(2) AdaBoost的统计解释
(3) 梯度提升法 (Gradient Boosting Machine)
(4) XGBoost算法
(5) Python案例: 波士顿房价;过滤垃圾邮件;识别玻璃类别
第 12讲 支持向量机
(1) 最大间隔分类器(Maximal Margin classifier)
(2) 软间隔分类器(Soft Margin classifier)
(3) 支持向量机(Support Vector Machine)
(4) 核技巧(Kernel Trick)
(5) 支持向量回归(Support Vector Regression)
(6) Python案例: 模拟数据;过滤垃圾邮件;识别手写数字;波士顿房价
第 13讲 人工神经网络
(1) 人工神经网络的思想
(2) 感知机(Perceptron)
(3) 前馈神经网络(Feedforward Neural Network)
(4) 激活函数(Activation Function)
(5) 反向传播算法(Back-propagation Algorithm)
(6) 随机梯度下降(Stochastic Gradient Descent)
(7) 神经网络的过拟合与正则化
(8) 卷积神经网络(Convolution Neural Network)
(9) 深度学习的发展
(10) Python案例(sklearn与Keras): 波士顿房价;过滤垃圾邮件;模拟数据;路透社新闻主题分类,手写数字数据集MNIST
第 14讲 (Bonus Lecture) 机器学习在经管社科的应用
精读几篇在经管社科顶刊发表的经典机器学习论文
不难看出,本次课程可谓干货满满、奇货可居。
更难得可贵的是,主讲老师陈强教授具有丰富的教学经验、激情与魅力,是广大计量学子心目中真正的「计量男神」,尤其擅长化繁为简、直指人心,让学员们迅速上手新知识与技能。
跟着陈强老师,四天掌握两个宝(机器学习、Python语言),登堂入室,立竿见影,赶上时代的步伐!
如果说 「知识改变命运」,这就是一次绝好的机会。 士别四日,或当刮目相看, Now or Never !
陈强老师的往期机器学习现场班
部分学员反馈
o 谢谢陈老师!听您讲课受益良多!
o 近几日听您讲课收获很大,今后还要向您多多学习!
o 今天上课干货满满……这两天参加您的培训,收获很大,希望未来有机会也请您到我们学校交流。
o 陈老师好,以前都是读你的书,给学生推荐你的书和公众号,这几天听你讲课,信手拈来,深入浅出,果然是高手中的高手!
o 之前一直听您的视频课,看公众号收获特别大。都打印装订成册了,老师你公众号写的特别生动,有的不好理解的地方一看您的比喻就豁然开朗了,都是原创的内容,特别有吸引力,真的可以再可以出一本书呢。今天第一次听机器学习,还是用R和Stata,耳目一新呢,原来比较多的学的Python,上了一天的课收获特别大。
o 「机器学习哪家强,山东大学找陈强」。哈哈哈,谢谢陈老师深入浅出的讲解。收获颇丰,受益匪浅
o 「人到中年不得已,机器学习来兜底」。同谢陈老师细致入微的讲解,受益匪浅
o 陈老师假期愉快,新年快乐,五月份高级计量再来享受知识盛宴
o 课程真的讲得太好了,在老师的课程中学到太多了!感谢陈老师 同样无比期待机器学习新书的出版!!
o 下次开课,要推荐其他同学参加。很有收获
o 真是获益匪浅,感谢陈老师辛苦付出,期待陈老师新书,祝陈老师和大家假期愉快!
o 感谢陈老师5天精彩且细致入微的讲解~出书一定推荐给其他同学!顺祝老师和大家假期愉快 (˶‾᷄ ⁻̫ ‾᷅˵)
o 陈老师辛苦了!陈老师的课高屋建瓴又深入浅出,真的受益良多。感谢陈老师,祝陈老师假期愉快!
o 五天时间不长,却像走过了一条漫长而幽暗的知识隧道,没有陈老师的火炬照亮前进方向,岂能穿越!非常感谢陈老师深入浅出、妙喻频出的授课!期待专著尽快出版!祝陈老师身体健康、学术之树长青!
o 论文数据愁掉发 机器学习来开挂 这几天仿佛打开了新世界的大门,感谢陈老师!坐等陈老师新书出版
o 感谢陈老师!这五天收获良多。之前学过一些Python,但是陈老师的讲解更本质,使我对于Python的理解上了一个台阶。ML讲解更是深入浅出,很遗憾时间问题早离场了一会,期待能有机会跟随陈老师再学习 !
o 感谢陈老师,也感谢主办方!陈老师的课程和教材向来深入浅出,很适合学习和应用,期待以后再次详见!
o 非常感谢和敬佩陈强老师!五天高密度教学,特别辛苦讲解内容全面,深入浅出,很多点睛之语,直透本质,非有致广大尽精微之学养不能达!祝陈老师学术之树常青,桃李满天下
o 感谢陈老师,也感谢主办方的老师,5天收获满满,期待以后再次相见!谢您陈老师!
让我们期待:陈强老师2024年7月18-21日的「机器学习及Python应用」四天现场班精彩再现吧,北京见……
报名咨询:
尹老师
电话:13301322952
WeChat:jg-xs6
以上图文为广告内容