陈强老师“机器学习与R应用”本周六开班

今年最后一场R现场班

7月24日@北京西城区，

陈强老师R机器学习现场班开班！！

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。

均不是很适合经管的老师和同学学习，这也是陈强老师开这门机器学习课程的初衷。

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）。课程是提取机器学习的书籍的精髓，主要包含思想原理+数学精髓+案例讲解。

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），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。

课程信息

培训时间 2021年7月24-28日 (五天)

培训地点 北京市西城区，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

提供电子版发票及通知，结业证书

课程资料

其中papers包含36篇陈强老师为大家精选的文章~

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 (Convolution Neural 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：R包tidyverse的自带案例；威斯康辛乳腺癌的诊断

第19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

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！

优惠信息

JG学术老学员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；

以上优惠与学生价均不叠加。

报名流程

1，点击文末“阅读原文”，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，缴费后发送课程资料及上课事宜。

PS：根据缴费顺序安排座位

报名咨询

尹老师

电话：010-53352991

QQ：42884447

WeChat：yinyinan888

陈强老师8月北京Python机器学习
与10月Stata高级计量火热占座中！！