陈远祥，北京邮电大学副教授 。2014年毕业于北京大学，获通信与信息系统专业博士学位，2015年-2017年在北京大学做博士后研究。
发表SCI/EI学术论文80余篇，其中第一或通讯作者论文40余篇，申请发明专利4项。
持国家自然科学基金面上项目，国家重点研发计划子课题，国家自然科学基金青年项目及博士后基金等多个国家级和省部级项目。
IEEE、OSA会员，OpticsExpress, IEEE Photonics Technology Letters，PhotonicsJournal，Applied Optics等多个SCI期刊审稿人。
预习课程：
Python编程基础：https://baoming.pinggu.org/Default.aspx?id=437
正式课程：
第一部分：机器学习思想与学术应用介绍（0.5天）：
机器学习基本思想
机器学习分类
常用机器学习常用算法
机器学习评价标准
机器学习算法库介绍
机器学习常见学术应用
第二部分：算法原理与实战（5天）
1、 KNN算法：
KNN算法基本原理，常用相似度衡量方法、KNN用于分类和回归，KNN模型的优化与调参
案例应用：鸢尾花分类与波士顿房价预测
2、 决策树：
决策树基本原理，决策树分类，决策树用于分类和回归实现，决策树参数优化
案例应用：保险行业用户画像
3、 线性回归：
线性回归模型基本原理、岭回归、LASSO回归和弹性网
案例应用：基于不同场景之下共享单车投放量的精准预测
4、 逻辑回归：
逻辑回归基本原理，从线性回归到逻辑回归，逻辑回归实现和参数优化
案例应用：数字化人力资源之员工流失风险预警
5、 神经网络与深度学习简介：
神经网络基础，神经网络中的激活函数，神经网络Python实现与参数调优，深度学习简介
案例应用：数字识别与图片分类
6、 贝叶斯网络：
贝叶斯分类原理，朴素贝叶斯，贝叶斯模型分类
案例应用：门户网站新闻分类
7、 支持向量机：
支持向量机分类原理，线性SVM和非线性SVM
案例应用：人脸识别
8、 随机森林：
决策树与随机森林，随机森林原理，随机森林Python实现与参数调优
案例应用：泰坦尼克沉船预测
9、 聚类：
聚类原理，聚类和分类区别，kmeans聚类原理，kmeanspython实现，模型评估指标及稳定性讨论
案例应用：航空客户价值分析
10、时间序列分析：
时间序列特征，时间序列模型介绍，时间序列建模
案例应用：电商线上零售商品销量预测
第三部分：Python机器学习学术应用与基金申请（0.5天）
1、机器学习学术应用：数据发现与变量创造，预测，因果推断
2、机器学习学术论文解读与写作指导
机器学习方法识别车险欺诈效果的比较研究
大数据思维下的利率定价研究
基于机器学习预测的投资组合量化研究
通货膨胀影响因素识别：基于机器学习方法的再检验
3、机器学习与基金申请（国自然）
基金申请流程与常见思路
成功案例分享：基于机器学习的损伤感知与补偿机制研究
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：
尹老师
电话：13321178792
QQ：42884447
WeChat：JGxueshu
