请选择 进入手机版 | 继续访问电脑版
楼主: 资料狂人
7287 88

[学科前沿] 2021暑期决心:掌握机器学习!   [推广有奖]

VIP管理员

泰斗

82%

还不是VIP/贵宾

-

威望
9
论坛币
984771058 个
通用积分
26351.9584
学术水平
4619 点
热心指数
3399 点
信用等级
3622 点
经验
584307 点
帖子
8335
精华
142
在线时间
15695 小时
注册时间
2010-4-1
最后登录
2021-6-25

初级热心勋章 初级学术勋章 中级学术勋章 中级热心勋章 初级信用勋章 中级信用勋章 高级学术勋章 高级热心勋章 高级信用勋章 特级信用勋章 特级学术勋章

资料狂人 在职认证  发表于 2021-4-15 09:47:48 |显示全部楼层

2021年暑期将至,你的暑期决心(NewYear Resolution)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(RandomForest)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……


当你还在犹豫观望的时候,不少你的同辈、前辈甚至晚辈都已经有了令人激动的2021新年决心——那就是,参加陈强老师首推的 “机器学习” 五天现场班,掌握机器学习,入门到进阶!先知先觉者,引领未来,尽享先发优势……

现在的 “风口” 是什么?那就是机器学习!得机器学习者,得未来……


机器学习五天现场班-7月R/8月Python

陈强  亲授

北京, 2021年暑期

Now or Never!

机器学习海报.jpg


机器学习及R应用

7月24-28日(五天)@北京

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R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,并掌握最为流行的数据科学软件R语言操作。内容主要基于陈强老师好评如潮的新作《机器学习及R应用》(高教出版社,2020年11月)。


授课方式:思想原理 + 数学精髓 + R经典案例


为何使用R语言?

√ R是统计学家发明的专门用于统计计算的语言

√ R是统计学家的母语

√ R中的统计“包”(package)最多,且增长迅速

√ 统计学顶级期刊的新发表论文一般带有相应的R包

√ R是免费开源的,在学界与业界均有很多用户

陈强老师将从零开始,介绍R语言的精华,让你迅速上手!


R机器学习课程详情:https://bbs.pinggu.org/thread-10299248-1-1.html



机器学习及Python应用

8月12-16日(五天)@北京

基于机器学习的通用性,本次“机器学习及Python应用”五天现场班将面向所有行业与学科的人士、老师与学生(包含经管社科、医学卫生等领域)。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,并掌握最为流行的数据科学软件Python语言操作。


授课方式:思想原理 + 数学精髓 + Python经典案例


为何学习Python?

√ “人生苦短,我学Python!”

√ Python简洁高效,已是主流的计算机语言

√ 作为通用语言,Python为业界所推崇,因为企业可在生产经营的全过程统一使用Python

√ 在神经网络(深度学习)方面,Python明显领先于R


Python机器学习课程详情:https://bbs.pinggu.org/thread-10386943-1-1.html



课程均由山东大学经济学院陈强教授亲授及亲自答疑每一位学员的每一个问题

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。

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,五天入门机器学习,登堂入室,立竿见影,赶上时代的步伐! Stata, R与Python-我该选哪个语言_0511陈强老师直播课件.pdf (3.53 MB)


优惠:

现场班老学员9折优惠;
同一单位三人以上同时报名9折优惠;

同一单位六人以上同时报名8折优惠;
以上优惠与学生优惠价不叠加。

PS均根据报名缴费顺序安排座位,报满200人即封班。


联系方式:

尹老师

电话:010-53352991

QQ:42884447

WeChat:yinyinan888

尹老师微信二维码.png

关键词:机器学习 高级计量经济学及STATA应用 randomForest University resolution

已有 3 人评分经验 收起 理由
remlus + 100 精彩帖子
xujingtang + 80 精彩帖子
wwqqer + 100 精彩帖子

总评分: 经验 + 280   查看全部评分



stata SPSS
资料狂人 在职认证  发表于 2021-4-15 09:55:17 |显示全部楼层
R机器学习暑期班

课程信息

培训时间:2021年7月24-28日 (五天)

培训地点:北京市,提供交通住宿指南文档

授课安排:上午9:00-12:00;下午2:00-5:00;答疑5:00-6:00

课程费用:5200元 /4500元(学生价,仅限全日制在读本科和硕士);食宿自理

在线报名:http://www.peixun.net/main.php?mod=buy&cid=1436

提供培训发票及开课通知,结业证书


机器学习及R应用五天现场班·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  R语言快速入门

(1) Why R?

(2) 安装R与RStudio

(3) R的对象 (vector, matrix, data frame, list)

(4) 面向对象的函数式语言

(5) R语言画图


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) R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) R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) R案例:识别玻璃类别


第7讲 判别分析

(1) 线性判别分析 (Linear Discriminant Analysis)

(2) 二次判别分析 (Quadratic Discriminant Analysis)

(3) 费雪判别分析 (Fisher Discriminant Analysis)

(4) R案例:鸢尾花品种的归类


第8讲 朴素贝叶斯

(1) 朴素贝叶斯 (Naive Bayes)

(2) 拉普拉斯修正 (Laplacian Correction)

(3) R案例:垃圾邮件的识别


第9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) R案例:前列腺癌的影响因素


第10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) R案例:摩托车撞击实验数据;模拟混合数据;威斯康辛乳腺癌的诊断


第11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) R案例:波士顿房价;葡萄牙银行市场营销


第12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) R案例:波士顿房价;声呐信号的分类


第13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

(5) R案例:波士顿房价;过滤垃圾邮件;识别玻璃类别


第14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) R案例:模拟数据;过滤垃圾邮件;识别手写数字;波士顿房价


第15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 (ConvolutionNeural Network)

(9) 深度学习的发展

(10) R案例:波士顿房价;声呐信号的分类;鸢尾花品种的分类


第16讲  非监督学习之主成分分析

(1) 总体中的主成分分析

(2) 样本中的主成分分析

(3) 方差分解与降维

(4) 主成分回归 (Principal Component Regression)

(5) R案例:左右耳听力;香港回归的经济效应


第17讲  非监督学习之聚类分析

(1) K-均值聚类 (K-means Clustering)

(2) 分层聚类 (Hierarchical Clustering)

(3) 树状图

(4) 基于相关系数的距离

(5) R案例:模拟数据;鸢尾花品种的归类


第18讲  数据科学的R语言

(1) 何为数据科学

(2) 管道算子 (Pipe Operator)

(3) R包tidyverse (输入数据、数据清理、数据变换)

(4) R包ggplot2 (高阶画图)

(5) R包caret (机器学习的统一接口)

(6) R案例:Rtidyverse的自带案例;威斯康辛乳腺癌的诊断


第19讲(BonusLecture)  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。


报名流程

1,点击“http://www.peixun.net/main.php?mod=buy&cid=1436”,在线提交报名信息;

2,经管之家账号登录,订单支付(支持支付宝,微信,公务卡);

3,收取交通住宿指南文档,确认发票信息;

4,开课前一周发送课程资料及上课事宜。


报名咨询:

尹老师

电话:010-53352991

QQ:42884447

WeChat:yinyinan888




回复

使用道具 举报

资料狂人 在职认证  发表于 2021-4-15 09:57:49 |显示全部楼层

Python机器学习暑期班

开课信息:

时间:2021年8月12-16日(五天)

地点:北京市海淀区,开课前一周发送交通住宿指南

费用:5200元/ 4500元(本科及硕士在读优惠价);食宿自理

安排:上午9:00-12:00;下午2:00-5:00;答疑

报名:https://www.peixun.net/main.php?mod=buy&cid=1771


培训内容目录:

1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


2 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, DataFrame)

(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


3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


4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


5逻辑 回归

(1) Logit

(2) 几率比

(3) 灵敏度与特异度

(4) ROC与A U C

(5) 科恩的kappa

(6) Python案例:泰坦尼克号旅客的存活


6多项逻辑 回归

(1) 多项Logit

(2) Python案例:识别玻璃类别


7判别分析

(1) 线性判别分析 (Linear Discriminant Analysis)

(2) 二次判别分析 (Quadratic Discriminant Analysis)

(3) 费雪判别分析 (Fisher Discriminant Analysis)

(4) Python案例:鸢尾花品种的归类


8朴素贝叶斯

(1) 朴素贝叶斯 (Naive Bayes)

(2) 拉普拉斯修正 (Laplacian Correction)

(3) Python案例:垃圾邮件的识别


9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)

(3) Python案例:前列腺癌的影响因素


10K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


11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


12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


13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


14支持向量机

(1) 最大间隔分类器 (Maximal Margin Classifier)

(2) 软间隔分类器 (Soft MarginClassifier)

(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


15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


16非监督学习之主成分分析

(1) 总体中的主成分分析

(2) 样本中的主成分分析

(3) 方差分解与降维

(4) 主成分回归 (Principal Component Regression)

(5) Python案例:左右耳听力;香港回归的经济效应


17非监督学习之聚类分析

(1) K-均值聚类 (K-meansClustering)

(2) 分层聚类 (Hierarchical Clustering)

(3) 树状图

(4) 基于相关系数的距离

(5) Python案例模拟数据;鸢尾花品种的归类


18数据科学的Python语言

(1) 何为数据科学

(2) 读写文件

(3) 缺失与重复数据

(4) 合并数据

(5) sklearn的管线类 (pipeline class)

(6) Python案例:Kaggle泰坦尼克数据的清理


19(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


报名流程:

1:点击“https://www.peixun.net/main.php?mod=buy&cid=1771”,网上填写信息提交;

2:给予反馈,确认报名信息;

3:网上订单缴费(需要刷卡或对公转账的请报名后与我们联系);

4:开课前一周发送课程电子版讲义,软件准备及交通住宿指南。


联系方式:

尹老师

电话: 010-53352991

QQ:  42884447

邮箱: yinna@pinggu.org

微信:yinyinan888




回复

使用道具 举报

资料狂人 在职认证  发表于 2021-4-15 09:58:49 |显示全部楼层
机器学习与R语言 2021年7月 JG学术培训.pdf (689.94 KB)


回复

使用道具 举报

资料狂人 在职认证  发表于 2021-4-15 09:59:42 |显示全部楼层
机器学习与Python 2021年8月 JG学术培训.pdf (671.46 KB)


回复

使用道具 举报

资料狂人 在职认证  发表于 2021-4-15 10:01:02 |显示全部楼层
R机器学习开课通知202107 JG学术培训.pdf (362.9 KB)
Python机器学习开课通知202108 JG学术培训.pdf (358.55 KB)


回复

使用道具 举报

jngod 发表于 2021-4-15 10:14:23 |显示全部楼层

回帖奖励 +3

回复

使用道具 举报

nicole 发表于 2021-4-15 10:23:17 |显示全部楼层

回帖奖励 +3

回复

使用道具 举报

karst 发表于 2021-4-15 11:32:35 |显示全部楼层

回帖奖励 +3

xxfx
回复

使用道具 举报

土八路 发表于 2021-4-15 11:35:26 |显示全部楼层

回帖奖励 +3

好好好
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 我要注册

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2021-6-25 12:48