会议详情 菜单
2019Stata夏季训练营-机器学习与Stata、R应用研讨会(8月上海班-陈强专场)

2019Stata夏季训练营-机器学习与Stata、R应用研讨会(8月上海班-陈强专场)

2019-08-17 09:00 至 2019-08-19 17:30

上海   上海财经大学

北京友万信息科技有限公司   

150人

立即咨询

-会议内容-

课程概述

  2011年,微信刚刚推出,大多数人还不知道朋友圈,基本也没人谈论大数据、机器学习与人工智能。八年后的今天,世界变化速度还在继续加快,技术进步时刻冲击着每个行业与组织,究竟什么样的技能才是最稀缺、最宝贵的,才能使你立于不败之地?最重要的,应该是快速学习的能力。陈强教授自2010年《高级计量经济学及Stata》教材出版以来,受到了广大读者的热烈欢迎,也累积了大批粉丝。跨过了计量那道坎,继续上路吧,由StataCorp LLC重点推荐的“Stata夏季训练营 ”课程,汇集双男神,2 1模式,由山东大学陈强教授和南开大学王群勇教授亲自操刀,传授机器学习里最受欢迎热门知识。以计量经济学的前沿问题为导向,引入人工智能领域最前沿的机器学习方法结合Stata应用。 全程八天(含会议),Stata魔鬼训练营,打造2019最新颖、最前沿的学习课程,本次“机器学习与Stata、R应用研讨会”,陈老师将推陈出新,化难为简,带来全新、不一样的内容。通过本课程的学习,使学员可以了解机器学习的常用算法以及典型的应用领域。掌握机器学习的基本概念,并在此基础上应用于相关领域,培养一定的分析实际问题的能力。欢迎广大Stata用户及学者报名参加。

  Stata夏季训练营,最前沿的知识体系,带你一探究竟!

  机器学习是人工智能科学研究和应用领域的重要驱动力, 同时也给统计研究带来了众多挑战和思路,机器学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测,本课程将提供机器学习里最受欢迎热门知识, 主要指导思想是在最前沿的技术及Stata更深入的探究上,将机器学习的思想原理结合Stata精髓及核心内容,以最通俗生动的语言以及大量的案例教给学员,并注重在应用上的扩展。课前我们将提供电子版本讲义及课件资源。并提供Stata最新正版软件试用,确保每位老师都能正常、安全的运行数据资源,保证上课质量!


相约上海,暑假狂欢,第三届Stata中国用户大会/2019年8月20-21日,2019,一起发现Stata新价值

Stata空间计量与机器学习研讨会-王群勇专场/2019年8月22-24日,2019,空间计量 机器学习

2019年第三届 Stata 中国用户大会暨“机器学习与计量方法应用研讨会”将于2019年8月20-21日在上海财经大学盛大召开。StataCorp LLC将继续选派技术专家出席会议,将与来自中国的Stata用户交流软件新应用及想法。我们还将邀请国内计量经济学专家及金融投资领域的技术大咖为大家带来在Stata应用中各种有吸引力的主题和实践经验,希望这次会议能够成为发现Stata新价值的机会。会议同期还将开展Stata夏季训练营活动,由山东大学陈强教授和南开大学王群勇教授带来Stata机器学习及计量经济方法应用课程,点击了解详情!

2019Stata夏季训练营-机器学习与Stata、R应用研讨会(8月上海班-陈强专场)

课程信息:

  时间:2019年8月17日-19日(共三天)

  安排:上午09:00至12:00 ; 下午14:00至17:00 ;答疑:17:00-17:30

  费用:3600元/人

  地点:上海财经大学


课程摘要:

  本课程主要介绍机器学习的基本思想与算法,结合具体案例,介绍Stata和R语言实践操作,课程以计量经济学的前沿问题为导向,引入人工智能领域最前沿的机器学习方法结合Stata应用,打造思想原理 数学精髓 Stata案例。即日起开始报名。


课程大纲:

  第一讲 机器学习引论

  第二讲 KNN

  第三讲 OLS

  第四讲 判别分析

  第五讲 朴素贝叶斯

  第六讲 逻辑回归

  第七讲 决策树

  第八讲 集成学习(Ensemble Learning)

  第九讲 支持向量机

  第十讲 人工神经网络  


参会对象

  高校教师、硕士生、博士生、科研院所科研人员、大型企业数据分析师、社会团体及Stata爱好者。


组织单位

  主办方:北京友万信息科技有限公司(Uone-Tech)

  承办方:上海财经大学

-主办方介绍-

北京友万信息科技有限公司

第一天

  第一讲 机器学习引论

  专题介绍:近年来人工智能迅速进入大众视野,并在全球范围内迎来了行业的快速发育期。机器学习作为人工智能的组成部分,无疑是人工智能科学研究和应用领域的重要驱动力,将带来一系列传统决策机制的根本性变革,势必推动社会科学研究范式的重大转型。 当计量经济学的影响力几乎不出校门时,机器学习正迅速进入大众视野,并悄然改变着我们的日常生活(比如,网络搜索、网购等背后均有机器学习的算法支持,本讲将带您揭开机器学习的神密面纱。

  第二讲 KNN

  专题介绍:K-近邻算法(KNN)是将最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来,当测试对象的属性和某个训练对象的属性完全匹配时,便可以对其进行分类。 KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。交叉验证是一种通过估计模型的泛化误差,从而进行模型选择的方法。没有任何假定前提,具有应用的普遍性,操作简便, 是一种行之有效的模型选择方法。K折交叉验证:把数据分成K份,每次拿出一份作为验证集,剩下k-1份作为训练集,重复K次。最后平均K次的结果,作为误差评估的结果,此方法大大减小算法复杂度,被广泛应用。【偏差与方差的权衡 、如何选择K 、验证集法 、交叉验证】

  第三讲 OLS

  专题介绍:OLS(最小二乘法)主要用于线性回归的参数估计,它的思路很简单,就是求一些使得实际值和模型估值之差的平方和达到最小的值,将其作为参数估计值。OLS的最大好处是便于解释,容易考察解释变量 x 对被解释变量 y 的影响。虽然OLS估计非常简单,但在进行统计推断时,却需要特别注意在不同的场合下使用不同的标准误,比如稳健标准误,HAC标准误,聚类稳健标准误,自助标准误等。【OLS的代数与几何、统计推断、标准误(稳健、HAC、聚类、自助)】

  第四讲 判别分析

  专题介绍:贝叶斯决策论是解决模式分类问题的一种基本统计途径。其假设:决策问题可以用概率的形式来描述,并且所有有关的概率结构均已知,叶斯决策论是基于概率论的决策,根据不同决策准则,分别得到不同决策意义下的最优判断。由于线性判别函数易于分析,所以关于这方面的研究特别多。 应用统计方法解决模式识别问题时,一再碰到的问题之一是维数问题。在低维空间里解析上或计算上行得通的方法,在高维空间里往往行不通。因此,降低维数有时就成为处理实际问题的关键。【贝叶斯决策理论、线性判别、二次判别、Fisher判别分析】

  第五讲 朴素贝叶斯

  专题介绍:朴素贝叶斯算法简单高效,在处理分类问题上,是首先考虑的方法之一。其优点为简单、快速、有效。能处理好噪声数据和缺失的数据,需要用来训练的例子相对较少,但同样能处理好大量的例子,很容易获得一个预测的估计概率值 。 本讲将主要讲解朴素贝叶斯通过拉普拉斯修正,可以避免因训练集样本不充分而导致概率估值为零的问题,对算法的思考以及应用的消息,培养思维能力,注重过程,挖掘背后的原理。【朴素贝叶斯、 拉普拉斯修正】

  第六讲 逻辑回归

  专题介绍:逻辑回归由于存在易于实现、解释性好以及容易扩展等优点,被广泛应用于点击率预估(CTR)、计算广告(CA)以及推荐系统(RS)等任务中。 ROC/AUC作为机器学习的评估指标非常重要, 为了了解模型的泛化能力,我们需要用某个指标来衡量,这就是性能度量的意义。有了一个指标,我们就可以对比不同模型了,从而知道哪个模型相对好,那个模型相对差,并通过这个指标来进一步调参逐步优化我们的模型。 本讲我们主要讨论与分类相关的一些指标,因为AUC/ROC就是用于分类的性能度量标准。【Logit回归、边际效应、几率比、ROC、AUC】

  第七讲 决策树(Decision Tree)

  专题介绍:机器学习中,决策树是一个预测模型;他代表的是对象属性与对象值之间的一种映射关系。其中CART算法(Classification and Regression Trees)分类与回归树(CART——Classification And Regression Tree)) 是一种非常有趣并且十分有效的非参数分类和回归方法。它通过构建二叉树达到预测目的。 剪枝(Pruning)是决策树停止分支的方法之一。除此之外,课程中还将对分裂准则函数(错分率、基尼指数、信息熵)、交叉验证(Cross-validation)做详细讲解。【CART算法(Classification and Regression Trees)、分裂准则函数(错分率、基尼指数、信息熵)、剪枝(Pruning)、交叉验证(Cross-validation)】

  第八讲集成学习(Ensemble Learning)

  专题介绍:集成学习的理论基础是 PAC 理论、强可学习与弱可学习理论。集成学习的理论基础表明强可学习器与弱可学习器是等价的,因此可以寻找方法将弱可学习器转换为强可学习器,而不必去直接寻找较难发现的强可学习器。本次课程陈教授将带我们一起探讨具有代表性的集成学习方法包括Boosting,Bagging,随机森林等。【袋装法(Bagging)、随机森林(Random Forest)、提升法(Boosting)、变量重要性(Variable Importance)、偏依赖图(Partial Dependence Plot)】

  第九讲 支持向量机

  专题介绍:支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类(binary classification)的广义线性分类器(generalized linear classifier),其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。 SVM被提出于1964年,在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法,在人像识别(face recognition)、文本分类(text categorization)等模式识别(pattern recognition)问题中有得到应用 。本课程将重点解析最大间隔分类器(Maximal Margin Classifier)、软间隔(Soft Margin)及核技巧(Kernel Trick)等支持向量机方面的核心内容。【最大间隔分类器(Maximal Margin Classifier)、软间隔(Soft Margin)、支持向量机(Support Vector Machine)、核技巧(Kernel Trick)】

  第十讲 人工神经网络

  专题介绍:人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在学术界也常直接简称为神经网络或类神经网络。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。本课程将详细介绍人工神经网络的思想、激活函数、反向传播算法、神经网络的训练等内容,同时陈老师也会和大家一起探讨关于神经网络的类型与发展等问题。【人工神经网络的思想、激活函数、反向传播算法(Back-propagation Algorithm)、神经网络的训练、深度神经网络、神经网络的类型与发展】

主讲嘉宾:

陈强,山东大学教授。

分别于1992年与1995年获得北京大学经济学学士与硕士学位,2007年获美国Northern Illinois University数学硕士与经济学博士学位。现任山东大学经济学院博士生导师。主要研究领域为计量经济学、经济史。

已独立发表论文于Oxford Economic Papers (lead article),Economica,Journal of Comparative Economics,《经济学(季刊)》、《世界经济》等国内外期刊。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)与本科教材《计量经济学及Stata应用》(高教社,2015)。2010年入选教育部新世纪优秀人才支持计划。

-会议门票-

会议费用

名称:第三届Stata中国用户大会

费用:800元/人

时间:2019年08月20-21日

名称:Stata夏季训练营-陈强专场

费用:3600元/人

时间:2019年08月17-19日

名称:Stata夏季训练营-王群勇专场

费用:3600元/人

时间:2019年08月22-24日

备注:(食宿差旅费用自理)

如报名后有事无法参加,请于7月30日17:00前告知,后期不接受退费。

交通指南:

会议地点:上海财经大学(上海市国定路777号)

虹桥国际机场/高铁到达:全程30公里,预计行驶45分钟,费用约100元

上海站到达:全程10公里,预计行驶20分钟,费用约34元

其它事项:

• 主办方将提供课程所需的Stata\MP2 最新版本试用。

• 请参会学员自带电脑提前安装软件,现场由课程助教激活。

• 本次会议食宿差旅费用由学员自理,外地学员请提前安排好行程。

•参会学员可申请由主办方友万科技提供的结业证书。

•参会学员如需采购正版Stata软件可享受内部采购优惠。

• 请于开营前完成报名工作并及时与会务组保持沟通。

-场馆介绍-

上海财经大学

上海财经大学(Shanghai University of Finance and Economics)是中华人民共和国教育部直属的一所以经管为主,法、文、理协调发展的多科性全国重点大学,是国家“211工程”、“985工程优势学科创新平台”重点建设高校,入选“国家海外高层次人才创新创业基地”、“教育部人文社会科学重点研究基地”、“卓越法律人才教育培养计划”、“国家建设高水平大学公派研究生项目”,是全国首批博士学位授予单位之一,由教育部、财政部和上海市人民政府三方共建。 学校校园占地总面积766亩(全日制学生人均37平方米),有一个主校区和两个分校区。其中,主校区是全日制本硕博学生和留学生教育基地,由连成一片的国定、武川、武东校区组成。主校区位于杨浦大学城,毗邻复旦大学、同济大学、第二军医大学等知名学府。中山北一路分校区是高层次人才在职培训基地。昆山路分校区是原东吴大学法学院旧址,现为成人教育基地。

会议标签:

Stata 机器学习 KNN OLS 神经网络

温馨提示
酒店与住宿: 异地参会客户请注意,为防止会议临时变动,建议您先与活动家客服确认参会信息,再安排出行与住宿事宜。
退款规则: 活动各项资源需提前采购,购票后不支持退款,可以换人参加。

相关会议

分享到

QQ好友 QQ空间 微博 ×