Peixun.net > 现场班 > 计量实证分析 > 机器学习及R应用

机器学习及R应用

课时:0 分钟| 0人学习 分享 收藏
本次“机器学习及R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。

上课信息

上课时间: 2020年1月11-15日 (五天)
上午9:00-12:00,下午2:00-5:00,答疑5:00-5:30

上课地点: 北京市海淀区厂洼街3号丹龙大厦附近

机器学习及R应用

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 惩罚回归

(1) OLS

(2) Ridge Regression

(3) Lasso

(4) Elastic Net

(5) 交叉验证 (Cross-validation)

(6) Post Double Lasso and IV Lasso

(7) R案例

第4讲 线性分类

(1) Logit

(2)多项Logit

(3)贝叶斯决策理论

(4)线性判别分析

(5)二次判别分析

(6) ROC/AUC

(7) R案例

第5讲 朴素贝叶斯

(1) 朴素贝叶斯

(2) 拉普拉斯修正

(3) R案例

第6讲 K近邻法

(1) KNN for Regression

(2) KNN for Classification

(3) 偏差与方差的权衡

(4) 维度灾难

(5) R案例

第7讲 决策树

(1) 分类树

(2) 分裂准则(错分率、基尼指数、信息熵)

(3) 修枝与交叉验证

(4) 回归树

(5) R案例

第8讲 装袋法与随机森林

(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

第9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) R案例

第10讲 支持向量机

(1) Maximal Margin Classifier

(2) Soft Margin

(3) Support Vector Machine

(4) Kernel Trick

(5) R案例

第11讲 前馈神经网络

(1) 前馈神经网络

(2) 反向传播算法(Back-propagation Algorithm)

(3) 随机梯度下降(Stochastic Gradient Descent)

(4) 神经网络的过拟合

(5) 深度学习的发展

(6) R案例

第12讲 卷积神经网络

(1) 计算机视觉

(2) 卷积运算(Convolution Operation)

(3) 卷积神经网络(卷积层、汇聚层)

(4) R案例

第13讲 循环神经网络

(1) 文本数据与词嵌套(Wording Embedding)

(2) 循环神经网络(Recurrent Neural Network)

(3) 长短期记忆模型(LSTM)

(4) 门控循环单元(GRU)

(5) R案例

第14讲 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

(5) R案例

第15讲 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) R案例

第16讲 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


报名时间 2019-09-06 00:00 至 2020-01-10 00:00
培训时间 2020年1月11-15日 (五天)
培训地点 北京市海淀区厂洼街3号丹龙大厦附近
培训费用 5000元 / 4400元 (仅限全日制本科生及硕士研究生优惠价)
授课安排 上午9:00-12:00,下午2:00-5:00,答疑5:00-5:30


机器学习及R应用五天现场班

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)。


基于机器学习的通用性,本次“机器学习及R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。


本课程由山东大学经济学院陈强教授亲授。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),并特别擅长深入浅出、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R应用五天现场班·授课大纲

授课方式:思想原理 + 数学精髓 + R经典案例

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  R语言快速入门

(1) Why R

(2) 安装RRStudio

(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


3 惩罚回归

(1) OLS

(2) RidgeRegression

(3) Lasso

(4) ElasticNet

(5) 交叉验证 (Cross-validation)

(6) PostDouble Lasso and IV Lasso

(7) R案例


4  线性分类

(1) Logit

(2) 多项Logit

(3) 贝叶斯决策理论

(4) 线性判别分析

(5) 二次判别分析

(6) ROC/AUC

(7) R案例


5  朴素贝叶斯

(1) 朴素贝叶斯

(2) 拉普拉斯修正

(3) R案例


6 K近邻法

(1) KNN forRegression

(2) KNN forClassification

(3) 偏差与方差的权衡

(4) 维度灾难

(5) R案例


7  决策树

(1) 分类树

(2) 分裂准则(错分率、基尼指数、信息熵)

(3) 修枝与交叉验证

(4) 回归树

(5) R案例


8 装袋法与随机森林

(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


9 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) R案例


10 支持向量机

(1) MaximalMargin Classifier

(2) SoftMargin

(3) SupportVector Machine

(4) KernelTrick

(5) R案例


11  前馈神经网络

(1) 前馈神经网络

(2) 反向传播算法(Back-propagation Algorithm)

(3) 随机梯度下降(Stochastic Gradient Descent)

(4) 神经网络的过拟合

(5) 深度学习的发展

(6) R案例


12  卷积神经网络

(1) 计算机视觉

(2) 卷积运算(Convolution Operation)

(3) 卷积神经网络(卷积层、汇聚层)

(4) R案例


13  循环神经网络

(1) 文本数据与词嵌套(WordingEmbedding)

(2) 循环神经网络(RecurrentNeural Network)

(3) 长短期记忆模型(LSTM)

(4) 门控循环单元(GRU)

(5) R案例


14  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

(5) R案例


15  聚类分析

(1) K-均值聚类(K-meansClustering)

(2) 分层聚类(Hierarchical Clustering)

(3) 树状图

(4) R案例


16  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,五天入门机器学习,登堂入室,立竿见影,赶上时代的步伐!


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;

以上优惠不叠加。


联系方式:

魏老师
QQ:28819897142881989714
Tel:010-68478566
Mail:vip@pinggu.org

课程订阅

资料下载

讲师介绍


Peixun.net

机器学习及R应用

请认真填写以下信息,方便为您服务
  • 姓名:
  • 电话:
  • 邮箱:
  • 备注:
  • 邀请码:
  • 您还可以选择 登录 或者 注册 更方便您管理课程。

Peixun.net

您关于:

机器学习及R应用

的报名信息已经提交成功。

去购物车结算
您可以选择 登录 或者 注册 更方便您管理课程。
回头再说

邮件已发送!

已成功发送邮件到您注册的邮箱 请前往查询并点击链接重置密码

有待解答的问题

3 名学员对您的课程提问,需要您作出回答。 现在就去