機器學習與數(shù)據(jù)挖掘在商業(yè)分析中的應用【大學組】

商業(yè)

項目背景

大數(shù)據(jù)時代到來，數(shù)據(jù)成為企業(yè)及社會重點關(guān)注的戰(zhàn)略資源。怎樣才能在浩瀚的數(shù)據(jù)海洋中利用成熟的統(tǒng)計分析和數(shù)據(jù)挖掘技術(shù)，進行高效的商業(yè)分析以獲取利益最大化？對數(shù)據(jù)挖掘而言，數(shù)據(jù)庫提供數(shù)據(jù)管理技術(shù)，而機器學習和統(tǒng)計學則能夠提供數(shù)據(jù)分析技術(shù)。項目將帶領(lǐng)學生學習機器學習算法的基本問題和步驟、了解其在數(shù)據(jù)挖掘領(lǐng)域的應用，并充分利用所學知識解決客戶細分及反欺詐等實際問題。

項目介紹

項目將帶領(lǐng)學生學習監(jiān)督學習與無監(jiān)督學習、過度擬合、訓練數(shù)據(jù)、測試數(shù)據(jù)、驗證數(shù)據(jù)、線性回歸和邏輯回歸、決策樹算法、提升樹算法、隨機森林、神經(jīng)網(wǎng)絡、支持向量機、聚類、維度詛咒、特征選擇、正則化、主成分分析、擬合優(yōu)度度量、數(shù)據(jù)準備、缺失值填充、異常值、特征工程、分類變量編碼、模糊匹配等機器學習基礎(chǔ)知識及數(shù)據(jù)挖掘經(jīng)典算法，項目結(jié)束時提交項目報告，進行成果展示。

適合人群

大學生

對商業(yè)分析、商業(yè)統(tǒng)計、數(shù)據(jù)科學、數(shù)據(jù)處理、機器學習、深度學習、信息安全等專業(yè)和課題感興趣，相關(guān)專業(yè)或希望在相關(guān)領(lǐng)域深入學習的學生 具備Python基礎(chǔ)知識，數(shù)學邏輯良好的學生優(yōu)先

導師介紹

南加州大學 正教授

Dr. Stephen is currently an Adjunct Professor of Data Sciences at USC Marshall School of Business. As Chief Analytics and Science Officer for ID Analytics, an identity fraud protection company owned by LifeLock and later acquired by Symantec, Dr. Stephen has worked closely with the executive team since the company’s inception and has been instrumental in building their initial technical team and product roadmap. He has been a pioneering proponent of the use of advanced mathematical analytics in information management at Morgan Stanley and has spent his 20-plus year career leading scientists to build practical solutions to difficult business programs using advanced analytics.

Stephen導師任職于南加州大學馬歇爾商學院，在數(shù)據(jù)科學專業(yè)教授欺詐分析和商業(yè)分析等課程。導師曾任ID Analytics（LifeLock和Symantec旗下的身份資訊保護公司）公司首席分析師及首席科學官，美國Casa Systems, Inc.（網(wǎng)絡基礎(chǔ)設(shè)施解決方案公司）聯(lián)合創(chuàng)始人、摩根士丹利銀行控股公司（Morgan Stanley）執(zhí)行董事。導師研究方向為數(shù)據(jù)挖掘、身份反欺詐等。

任職學校

南加州大學（University of Southern California，USC）創(chuàng)立于1880年，坐落于美國加州洛杉磯市中心，是全球領(lǐng)先私立研究型大學，美國最具多元化學府之一，廣受全球博才智杰推崇。南加州大學是美國大學協(xié)會（AAU；研究型大學聯(lián)盟，會員門檻極高，被許多機構(gòu)視為衡量大學學術(shù)研究和品質(zhì)的基準）的成員，在2020年U.S.News全美大學綜合排名中位列第22。

項目大綱

監(jiān)督學習與無監(jiān)督學習、過度擬合、訓練數(shù)據(jù)、測試數(shù)據(jù)、驗證數(shù)據(jù)、線性回歸和邏輯回歸 ML modeling basics; training/testing/validating data sets; linear regression

決策樹算法、提升樹算法、隨機森林、神經(jīng)網(wǎng)絡、支持向量機 Nonlinear ML algorithms

聚類、維度詛咒、特征選擇、正則化、主成分分析、擬合優(yōu)度度量 Clustering, curse of dimensionality, feature selection, regularization, PCA, model measures of goodness.

數(shù)據(jù)準備、缺失值填充、異常值、特征工程、分類變量編碼、模糊匹配 Data preparation

實操演練：機器學習、數(shù)據(jù)挖掘在客戶細分及反欺詐等實際問題中的運用 ML applications, such as in marketing segmentation, fraud score

項目回顧與成果展示 Program Review and Presentation

論文輔導 Project Deliverables Tutoring

時間安排與收獲

7周在線小組科研學習+5周論文輔導學習 共125課時

學術(shù)報告

優(yōu)秀學員獲主導師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表（可用于申請）

結(jié)業(yè)證書

成績單