近期专题培训 2024DID专题丨深度解析顶刊中的DID刊文趋势与模型应用
机器学习及Python应用四天现场班
山东大学 陈强教授
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）。
基于机器学习的通用性，本次“机器学习及Python应用”四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）。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，并掌握最为流行的数据科学软件Python语言操作。
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。
机器学习及Python应用四天现场班·授课大纲
山东大学 陈强教授
授课方式：思想原理 + 数学精髓 + Python经典案例
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, DataFrame)
(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 MarginClassifier)
(3) 支持向量机(Support Vector Machine)
(4) 核技巧(Kernel Trick)
(5) 支持向量回归(SupportVector 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，四天入门机器学习，登堂入室，立竿见影，赶上时代的步伐！
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；
以上优惠与学生优惠价不叠加。
联系方式：
尹老师
电话：13321178792
QQ：42884447
WeChat：JGxueshu
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！
