北京！占座！陈强老师机器学习及Python应用现场班

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

2024年暑期将至，你的新年决心是什么？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(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……

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，手把手讲解机器学习与Python应用，无疑是难得的捷径！

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。内容主要基于陈强老师好评如潮的新作《机器学习及Python应用》（高教出版社，2021年3月）。

授课方式：思想原理 + 数学精髓 + Python经典案例

陈强老师将从零开始，介绍Python语言的精华，让你迅速上手！

课程信息

培训时间：2024年7月18-21日 (四天)

培训地点：北京市海淀区酒店会议室

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

课程资料：课件，代码，数据，100+参考文献

讲师介绍

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。

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

本次课程干货满满、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，寒假入门机器学习，登堂入室，立竿见影，赶上时代的步伐！

这是一个令人激动的时代。人工智能与机器学习正在深刻地改变着几乎每个行业与学科（包括计量经济学），而机器学习正是未来世界的一块重要柱石。

培训费用及优惠：

5200元/人，提供电子版发票及通知，纸质版结业证书；

全日制本科及硕士在读4800元；

JG学术培训老学员九折优惠；

同一学校/公司3人以上同时报名九折优惠；

折扣优惠与学生优惠均不叠加。

报名流程：

1，点击“https://www.peixun.net/main.php?mod=buy&cid=1771”，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，公务卡等）；

3，确认发票信息，2个工作日发送至邮箱；

4，开课前一周发送课程资料及开通方式，进交流群。

课程咨询：

尹老师

电话：13321178792

QQ：42884447

WeChat：JGxueshu

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：python 机器学习 现场班 高级计量经济学及STATA应用 randomForest

往期学员评价：

机器学习与Python 2024年7月 JG学术培训.pdf (527.31 KB)

2024-2-1 17:05:44 上传

特别增设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~

市面上机器学习的书籍和课程虽然很多，由于各自学科的特点，未必适合渴望学习机器学习的其他学科人群。计算机科学家编写出来的教材或者课程，一般强调算法。统计学家的机器学习教材和课程，偏重数学公式推导。而介绍机器学习实操的书籍或者课程，又变成代码的大杂烩，原理一带而过。这个并不适合咱们经管的老师来学，这也是陈强老师开这门机器学习课程的初衷。

谢谢分享

谢谢分享