【课程专题】
统计机器学习在信息系统与运筹学中的应用
【课程介绍】
数据统计和应用是当今最重要且快速发展的领域之一。对于企业和组织而言,利用数据进行分析和应用可以帮助它们更好地了解和管理业务和客户,这在当今竞争激烈的商业世界中显得尤为关键。同时,随着人工智能、大数据和机器学习等领域的迅速发展,数据分析和应用也已成为这些领域的重要组成部分。
该课程旨在帮助学生获得在数据管理、分析和可视化方面使用R的实践经验。课程内容涵盖了统计推断、假设检验、回归建模和机器学习等内容。学生将有机会在整个课程中将统计计算技术应用于真实世界的数据集和组织案例研究中。这门课程适合希望在统计学或计算机科学领域获得背景的学生,以及希望学习如何将统计计算技术应用于工作中的专业人士。完成该课程后,学生将具备分析和解释组织数据的能力,并能够基于数据做出决策。
【适合人群】
对数据科学、应用统计、计算机科学、信息系统管理、机器学习、人机交互、信息安全、医疗保健、健康大数据、教育科技、R语言感兴趣的学生。
修读数据科学、计算机科学、信息系统管理、数字经济或者商业分析专业,以及未来希望在统计学、医疗保健、信息安全等、教育科技等领域从业的学生。
【教学现场】
教学场景
教学现场
上课现场
授课场景
授课现场
【课程安排】
招生状态:招生中
课程形式:NeoSchool平台直播 + 线下实地授课(北京)
课时安排:32课时教授专项慕课+5周科研策略与论文写作课程+2周教授科研预习辅导+14天教授线下科研指导,课程总时长114课时。
【课程大纲】
1. 计算机信息系统概览与统计应用
2. 数据清洗与处理
3. 数据分析与统计推断
4. 回归分析-简单和多元线性回归,逻辑回归
5. 机器学习
【学习成果】
课程成绩单:教授亲笔签发的课程成绩单
教授推荐信:符合条件的学员可获教授亲自签发、真实客观且包含丰富细节的推荐信
科研实践成绩与学术评价:根据学员的科研实践表现,教授将亲自签字并出具科研实践成绩证明和学术评价报告
论文推荐发表:EI/CPCl/Scopus/ProQuest/Crossref/EBSCO或同等级别国际会议全文投递与发表
结业证书:符合条件的学员将获得高含金量结业证书
【师资力量】
Oliver Linton
●剑桥大学终身教授
●剑桥大学三一学院院士和政治经济学终身教授
●剑桥大学经济系系主任
●世界金融计量学会主席
●英格兰银行计量经济学顾问
●国际统计学会会士,计量经济学学会会士
●中国人民大学特聘教授(千人计划)
●曾就职于伦敦政经学院,耶鲁大学,牛津大学
●三次获得Econometric Theory奖
●学术论文总引用次数过万次
Gunther Roland
●麻省理工学院终身教授
●麻省理工学院物理系终身教授
●麻省理工学院重离子研究组领头人
●麻省理工学院重离子研究组等7个研究小组联合领导人
●CMS重离子出版委员会主席
●量子物理实验计划sPHENIX计划负责人之一
●Member, Annual Rev. Nucl. Part. Phys编辑委员会成员
David Woodruff
●卡内基梅隆大学终身教授
●卡内基梅隆大学计算机系终身教授
●UCB Simons Institute 数据科学项目创建者及主席
●IBM Almaden研究中心资深研究员
●STOC 2013、PODS 2010 优秀学术研究论文奖得主
●曾获EATCS Presbuger
Ronaldo Borja
●斯坦福大学终身教授
●斯坦福大学土木及环境工程学院终身教授
●土木工程专业教材《塑性建模与计算》的作者
●世界知名岩土力学杂ActaGeotechnica 的主编
●2016年度Maurice A. Biot奖章获得者
●曾参与并主导比萨斜塔、埃及卢克索南方巨人石像等历史建筑修复工作
Samuel Kunes
●哈佛大学终身教授
●哈佛大学分子与细胞生物学终身教授
●哈佛大学神经生物学学位课程委员会委员
●哈佛大学生化科学导师委员会委员
●Pew 生物医学科学基金学者项目获得者
●Damon Runyon-Walter Winchell 基金会专项资金获得者
●荣获专利“调节记忆的成分和方法” (60/726,318)26,318
【机构介绍】
NeoScholar Research Institute (研课) 于2011年创立于美国洛杉矶,总部位于新加坡,是国际知名的学术交流组织,致力于创造未来教育的科研训练体系。研课自2014年起的学术活动得到 包括IBM、USC等企业和高校的学术赞助,主要建设Cathaypath Institute of Science青少年科 研训练项目和SixThirty Group学术非盈利机构。研课在2019年举办了超过17场学术会议和青少 年科研活动,超过两万名学生在NeoScholar与世界知名学者进行研究型课题的研讨和学习。
【机构环境】
前台
内部环境
办公环境
办公现场