2022年将至，你的新年决心是什么？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(RandomForest)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”五天现场班（上海，2022年1月20-24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。

✦✦

课程信息

展开全文

培训时间 2022年1月20-24日 (五天)

培训地点 上海市（开课前10天发送交通住宿指南）

授课安排 上午9:00-12:00；下午2:00-5:00；答疑5:00-6:00

课程费用 6000元/5400元(学生价,仅限全日制在读本科和硕士)

提供电子版发票及开课通知，纸质版结业证书

✦✦

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

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

第7讲 朴素贝叶斯

(1) 朴素贝叶斯(Naive Bayes)

(2) 拉普拉斯修正(Laplacian Correction)

第8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9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10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11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12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

第13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)

第14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15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。

陈强老师的Python机器学习现场班

一年仅两场，错过就是180天的距离~✦

✦✦

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. 在线订单支付，支持支付宝，微信，公务卡银联；

3. 确认发票信息，2个工作日连同通知发送至邮箱；

4. 开课前一周发送资料及上课事宜。

✦✦

报名咨询

魏老师

往期“机器学习现场班”学员们的评论

。今天听了您的课，收获很多！

。谢谢陈老师！听您讲课受益良多！

。陈强老师的高维空间景色宜人……

。感谢陈老师！每次听课都收益匪浅！

。谢谢陈老师，这几天学了不少新的东西，辛苦了！

。近几日听您讲课收获很大，今后还要向您多多学习！

。今天上课干货满满……这两天参加您的培训，收获很大，希望未来有机会也请您到我们学校交流。

。陈老师好，以前都是读你的书，给学生推荐你的书和公众号，这几天听你讲课，信手拈来，深入浅出，果然是高手中的高手！

。之前一直听您的视频课，看公众号收获特别大。都打印装订成册了，老师你公众号写的特别生动，有的不好理解的地方一看您的比喻就豁然开朗了，都是原创的内容，特别有吸引力，真的可以再出一本书呢。今天第一次听机器学习，耳目一新呢，上了一天的课收获特别大。

。受益匪浅，陈老师辛苦了，祝陈老师假期愉快！

。“机器学习哪家强，山东大学找陈强”。哈哈哈，谢谢陈老师深入浅出的讲解。收获颇丰，受益匪浅！

。“人到中年不得已，机器学习来兜底”。同谢陈老师细致入微的讲解，受益匪浅！

。课程真的讲得太好了，在老师的课程中学到太多了！感谢陈老师，同样无比期待机器学习新书的出版！！

。下次开课，要推荐其他同学参加。很有收获！

。真是获益匪浅，感谢陈老师辛苦付出，期待陈老师新书，祝陈老师和大家假期愉快！

。感谢陈老师5天精彩且细致入微的讲解～出书一定推荐给其他同学！顺祝老师假期愉快！

。陈老师辛苦了！陈老师的课高屋建瓴又深入浅出，真的受益良多。感谢陈老师，祝陈老师假期愉快！

。五天时间不长，却像走过了一条漫长而幽暗的知识隧道，没有陈老师的火炬照亮前进方向，岂能穿越！非常感谢陈老师深入浅出、妙喻频出的授课！期待专著尽快出版！祝陈老师身体健康、学术之树长青！

。论文数据愁掉发，机器学习来开挂。这几天仿佛打开了新世界的大门。感谢陈老师！坐等陈老师新书出版。

。感谢陈老师，收获满满，期待以后继续和您学习！

。感谢陈老师，干货满满收获很大。听两次陈老师现场班了，陈老师总能复杂问题简单化、深入浅出，娓娓道来。难得的学习，感谢！

。感谢陈老师，也感谢主办方的老师，5天收获满满，期待以后再次相见！

。感谢陈老师！这五天收获良多。之前学过一些Python，但是陈老师的讲解更本质，使我对于Python的理解上了一个台阶。ML讲解更是深入浅出，很遗憾时间问题早离场了一会，期待能有机会跟随陈老师再学习。

。感谢陈老师，也感谢主办方！陈老师的课程和教材向来深入浅出，很适合学习和应用，期待以后再次相见！

。非常感谢和敬佩陈强老师！五天高密度教学，特别辛苦。讲解内容全面，深入浅出，很多点睛之语，直透本质，非有致广大尽精微之学养不能达！祝陈老师学术之树常青，桃李满天下！

。陈老师，这五天听完您机器学习的课真的是受益匪浅，太感谢您啦！希望以后还有机会能跟您学习。

。陈老师您好，很感谢您这两天的授课。作为机器学习小白，通过两天学习，有了一个快速了解，收获很大。在人大读博期间，您的书一直是我的重要参考书籍，反复学习。这次培训，有幸加您微信，很开心。您上课辛苦啦！