2024年暑期將至,你的計劃是什麽?
你有多久沒有系統地更新知識了?
每次別人談起機器學習與人工智慧
你若總是雲裏霧裏,這種狀況還要持續多久?
機器學習早期為人工智慧的分支,後來也有不少統計學家加入,最近一、二十年因為其預測精度迅速提高而走紅,並在業界有著廣泛的套用。
可以預見,在未來三十年,幾乎所有行業都會因機器學習的深刻沖擊而改變。
MIT名譽校長Eric Grimson曾預言,機器學習會成為像Word一樣的工具。而誰先掌握此工具,則可占得先機,成為時代的弄潮兒(至少不會落伍)。
或許你覺得機器學習(Machine Learning)對於你並沒有什麽實際用途。 但事實上,至少已經有兩波機器學習的大潮席卷了經管學科。
第一波是以 LASSO 為代表的高維回歸、懲罰回歸
第二波為以決策樹與隨機森林(Random Forest)為代表的新型非參數回歸與整合學習(Ensemble Learning)
而以神經網路與深度學習(Deep Learning)的第三波也正在潮流湧動……
如何迅速上手機器學習及Python套用?
陳強老師親授的「機器學習及Python套用」四天現場班(北京,2024年7月18-21日),手把手講解機器學習與Python套用,無疑是難得的捷徑!
課程是提取機器學習的書籍的精髓
主要包含思想原理 +數學精髓+案例講解
陳強教授獲得北京大學經濟學學士、碩士,美國Northern Illinois University數學碩士、經濟學博士,現為數量經濟學博士生導師,在統計學、計量經濟學及機器學習領域具有深厚的功底,2010年入選教育部新世紀優秀人才支持計劃。陳強老師著有暢銷研究生教材【高級計量經濟學及Stata套用】(第2版,高教社,2014),以及【機器學習及R套用】(高教社,2020)與【機器學習及Python套用】(高教社,2021)。陳強老師特別擅長深入淺出、直指人心地介紹數據分析原理,深受廣大學生們的喜愛,其現場班常常人滿為患、好評如潮。
機器學習及Python套用
課程資訊
培訓時間: 2024年7月18-21日 (四天)
培訓地點: 北京市(提供交通住宿指南)
授課安排: 上午9:00-12:00;下午2:00-5:00;答疑5:00-6:00
授課方式: 思想原理 + 數學精髓 + Python經典案例
!根據繳費順序安排現場座位,報滿封班!
本課程的最大特色在於「一站式服務」,從機器學習的原理、數學推導,到Python語言命令與經典案例,無不精心設計、絲絲入扣,理論聯系實操,讓學員們迅速理解機器學習的精髓,並掌握最為流行的Python語言操作。
陳強老師將從零開始,介紹 Python語言的精華,讓你迅速上手!
授課大綱
第 1講 機器學習引論
(1) 什麽是機器學習
(2) 機器學習的分類與術語
(3) 案例: 垃圾信件過濾;手寫體數位辨識;影像辨識;自動駕駛
第 2講 Python語言快速入門
(1) Why Python?
(2) 安裝Python與Spyder
(3) Python的模組(module)
(4) Python的物件(str, bool, list, tuple, dict, set)
(5) Python的函式(function)與方法(method)
(6) Numpy(ndarray), pandas(Series, Data Frame)
(7) sklearn(機器學習)與keras(深度學習)
(8) Python畫圖(Matplotlib, pandas, seaborn)
(9) Python物件導向編程
第 3講 數學回顧
(1) 梯度向量
(2) 方精靈數
(3) 梯度下降
(4) 向量微分
(5) 最佳化
第 4講 線性回歸
(1) OLS
(2) 過擬合與泛化能力
(3) 偏差與變異數的權衡
(4) 交叉驗證
(5) Python案例: 多項式回歸的過擬合;波士頓房價
第 5講 邏輯回歸
(1) Logit
(2) 機率比
(3) 靈敏度與特異度
(4) ROC與AUC
(5) 科恩的kappa
(6) Python案例: 鐵達尼號旅客的存活
第 6講 多項邏輯回歸
(1) 多項Logit
(2) Python案例: 辨識玻璃類別
第 7講 懲罰回歸
(1) 高維回歸的挑戰
(2) 嶺回歸(Ridge Regression)
(3) 套索估計(Lasso)
(4) 彈性網估計(Elastic Net)
(5) Python案例: 前列腺癌的影響因素
第 8講 K近鄰法
(1) 回歸問題的K近鄰法
(2) 分類問題的K近鄰法
(3) Python案例: 摩托車撞擊實驗數據;鳶尾花品種的歸類;威斯康辛乳癌的診斷
第 9講 決策樹
(1) 分類樹( classification Tree)
(2) 分裂準則(錯分率、基尼指數、資訊熵)
(3) 成本復雜性修枝
(4) 回歸樹(Regression Tree)
(5) Python案例: 波士頓房價;葡萄牙銀行市場行銷
第 10講 隨機森林
(1) 整合學習(Ensemble Learning)
(2) 裝袋法(Bagging)
(3) 隨機森林(Random Forest)
(4) 變量重要性(Variable Importance)
(5) 偏依賴圖(Partial Dependence Plot)
(6) Python案例: 波士頓房價;聲吶訊號的分類
第 11講 提升法
(1) 自適應提升法 (AdaBoost)
(2) AdaBoost的統計解釋
(3) 梯度提升法 (Gradient Boosting Machine)
(4) XGBoost演算法
(5) Python案例: 波士頓房價;過濾垃圾信件;辨識玻璃類別
第 12講 支持向量機
(1) 最大間隔分類器(Maximal Margin classifier)
(2) 軟間隔分類器(Soft Margin classifier)
(3) 支持向量機(Support Vector Machine)
(4) 核技巧(Kernel Trick)
(5) 支持向量回歸(Support Vector Regression)
(6) Python案例: 模擬數據;過濾垃圾信件;辨識手寫數位;波士頓房價
第 13講 人工神經網路
(1) 人工神經網路的思想
(2) 感知機(Perceptron)
(3) 前饋神經網路(Feedforward Neural Network)
(4) 啟用函式(Activation Function)
(5) 反向傳播演算法(Back-propagation Algorithm)
(6) 隨機梯度下降(Stochastic Gradient Descent)
(7) 神經網路的過擬合與正則化
(8) 摺積神經網路(Convolution Neural Network)
(9) 深度學習的發展
(10) Python案例(sklearn與Keras): 波士頓房價;過濾垃圾信件;模擬數據;路透社新聞主題分類,手寫數位數據集MNIST
第 14講 (Bonus Lecture) 機器學習在經管社科的套用
精讀幾篇在經管社科頂刊發表的經典機器學習論文
不難看出,本次課程可謂幹貨滿滿、奇貨可居。
更難得可貴的是,主講老師陳強教授具有豐富的教學經驗、激情與魅力,是廣大計量學子心目中真正的「計量男神」,尤其擅長化繁為簡、直指人心,讓學員們迅速上手新知識與技能。
跟著陳強老師,四天掌握兩個寶(機器學習、Python語言),登堂入室,立竿見影,趕上時代的步伐!
如果說 「知識改變命運」,這就是一次絕好的機會。 士別四日,或當刮目相看, Now or Never !
陳強老師的往期機器學習現場班
部份學員反饋
o 謝謝陳老師!聽您講課受益良多!
o 近幾日聽您講課收獲很大,今後還要向您多多學習!
o 今天上課幹貨滿滿……這兩天參加您的培訓,收獲很大,希望未來有機會也請您到我們學校交流。
o 陳老師好,以前都是讀你的書,給學生推薦你的書和公眾號,這幾天聽你講課,信手拈來,深入淺出,果然是高手中的高手!
o 之前一直聽您的視訊課,看公眾號收獲特別大。都打印裝訂成冊了,老師你公眾號寫的特別生動,有的不好理解的地方一看您的比喻就豁然開朗了,都是原創的內容,特別有吸重力,真的可以再可以出一本書呢。今天第一次聽機器學習,還是用R和Stata,耳目一新呢,原來比較多的學的Python,上了一天的課收獲特別大。
o 「機器學習哪家強,山東大學找陳強」。哈哈哈,謝謝陳老師深入淺出的講解。收獲頗豐,受益匪淺
o 「人到中年不得已,機器學習來兜底」。同謝陳老師細致入微的講解,受益匪淺
o 陳老師假期愉快,新年快樂,五月份高級計量再來享受知識盛宴
o 課程真的講得太好了,在老師的課程中學到太多了!感謝陳老師 同樣無比期待機器學習新書的出版!!
o 下次開課,要推薦其他同學參加。很有收獲
o 真是獲益匪淺,感謝陳老師辛苦付出,期待陳老師新書,祝陳老師和大家假期愉快!
o 感謝陳老師5天精彩且細致入微的講解~出書一定推薦給其他同學!順祝老師和大家假期愉快 (˶‾᷄ ⁻̫ ‾᷅˵)
o 陳老師辛苦了!陳老師的課高屋建瓴又深入淺出,真的受益良多。感謝陳老師,祝陳老師假期愉快!
o 五天時間不長,卻像走過了一條漫長而幽暗的知識隧道,沒有陳老師的火炬照亮前進方向,豈能穿越!非常感謝陳老師深入淺出、妙喻頻出的授課!期待專著盡快出版!祝陳老師身體健康、學術之樹長青!
o 論文數據愁掉發 機器學習來開掛 這幾天仿佛開啟了新世界的大門,感謝陳老師!坐等陳老師新書出版
o 感謝陳老師!這五天收獲良多。之前學過一些Python,但是陳老師的講解更本質,使我對於Python的理解上了一個台階。ML講解更是深入淺出,很遺憾時間問題早離場了一會,期待能有機會跟隨陳老師再學習 !
o 感謝陳老師,也感謝主辦方!陳老師的課程和教材向來深入淺出,很適合學習和套用,期待以後再次詳見!
o 非常感謝和敬佩陳強老師!五天高密度教學,特別辛苦講解內容全面,深入淺出,很多點睛之語,直透本質,非有致廣大盡精微之學養不能達!祝陳老師學術之樹常青,桃李滿天下
o 感謝陳老師,也感謝主辦方的老師,5天收獲滿滿,期待以後再次相見!謝您陳老師!
讓我們期待:陳強老師2024年7月18-21日的「機器學習及Python套用」四天現場班精彩再現吧,北京見……
報名咨詢:
尹老師
電話:13301322952
WeChat:jg-xs6
以上圖文為廣告內容