2024年暑期将至，你的计划是什么？
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(Random Forest)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（北京，2024年7月18-21日），手把手讲解机器学习与Python应用，无疑是难得的捷径！
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
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。
机器学习及Python应用
培训时间：
2024年7月18-21日 (四天)
培训地点：
北京市（提供交通住宿指南）
授课安排：
上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00
授课方式：
思想原理 + 数学精髓 + Python经典案例
！根据缴费顺序安排现场座位，报满封班！
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Python语言操作。
陈强老师将从零开始，介绍
Python语言的精华，让你迅速上手！
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
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，四天掌握两个宝（机器学习、Python语言），登堂入室，立竿见影，赶上时代的步伐！
如果说 “知识改变命运”，这就是一次绝好的机会。
士别四日，或当刮目相看，
Now or Never
！
