商業(yè)分析專題科研項目：基于Python的商業(yè)分析研究與實踐【大學組】

導師學校介紹

南加州大學（University of Southern California，USC）創(chuàng)立于1880年，坐落于美國加州洛杉磯市中心，是全球領先私立研究型大學，美國最具多元化學府之一，廣受全球博才智杰推崇。南加州大學是美國大學協(xié)會（AAU；研究型大學聯(lián)盟，會員門檻極高，被許多機構視為衡量大學學術研究和品質的基準）的成員，在2020年U.S.News全美大學綜合排名中位列第22。南加州大學商學院作為美國西海岸最為知名的商學院之一，在商業(yè)、會計、管理等領域有著良好的教學經驗。根據(jù)2016-2020年UTD全球商學院科研排名百強榜，南加州大學馬歇爾商學院位列全球第6名。

導師詳細介紹

導師昵稱

Stephen

導師級別

正教授

導師學校

南加州大學(USC)

Stephen導師任職于南加州大學馬歇爾商學院，主要研究方向是數(shù)據(jù)科學、欺詐分析和商業(yè)分析等學科。導師同時被加州大學圣地亞哥分校和加州大學洛杉磯分校高薪聘請兼任商學院教授職務。Stephen導師不僅僅在學術教學上有著豐富的經驗，他在專業(yè)領域的職業(yè)經驗在眾多名校導師中獨樹一幟。導師曾任ID Analytics（LifeLock和Symantec旗下的身份資訊保護公司）公司首席分析師及首席科學官和美國Casa Systems,Inc.（網(wǎng)絡基礎設施解決方案公司）聯(lián)合創(chuàng)始人。2004-2005年間，Stephen導師在財經界稱為“大摩”的頂級投行摩根士丹利擔任執(zhí)行董事，與多名金融資本大咖共事。Stephen教授作為一名科學家，同時擁有多項專利，在數(shù)據(jù)科學和商業(yè)分析的交叉學科中開創(chuàng)了多個先河，他的著作也多次被相關學院和學科作為授課教材。Stephen教授在其他學科也有著豐富的建樹，他早在80年代便取得了音樂專業(yè)的本碩學位，同時也取得了核能工程的碩博學位。

Dr.Stephen is currently an Adjunct Professor of Data Sciences at USC Marshall School of Business.As Chief Analytics and Science Officer for ID Analytics,an identity fraud protection company owned by LifeLock and later acquired by Symantec,Dr.Stephen has worked closely with the executive team since the company’s inception and has been instrumental in building their initial technical team and product roadmap.He has been a pioneering proponent of the use of advanced mathematical analytics in information management at Morgan Stanley and has spent his 20-plus year career leading scientists to build practical solutions to difficult business programs using advanced analytics.

適合人群

方向：金融商科

專業(yè)：商業(yè)

適合專業(yè)：軟件工程,商業(yè)分析,機器學習,金融學,數(shù)據(jù)科學,數(shù)據(jù)分析,人工智能,風險管理,商業(yè)統(tǒng)計,編程語言

項目價格：33800/19800

項目周期：7周在線小組科研+5周論文輔導

是否建議高中生學習：否

是否建議大學生學習：是

語言：英文

難度：中級/高級難度

建議具備的基礎：對商業(yè)分析、商業(yè)統(tǒng)計、數(shù)據(jù)科學、數(shù)據(jù)處理、機器學習、深度學習、信息安全等專業(yè)和課題感興趣，相關專業(yè)或希望在相關領域深入學習的學生

具備Python基礎知識，數(shù)學邏輯良好的學生優(yōu)先

科研項目產出

7周在線小組科研學習+5周論文指導學習共125課時+不限時論文指導

學術報告

優(yōu)秀學員獲主導師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導（可用于申請）

結業(yè)證書

成績單

項目介紹

機器學習是使用統(tǒng)計建模算法來解決大型數(shù)據(jù)集的實際定量問題。機器學習在整個科學和商業(yè)中被廣泛使用，用于研究和實際解決常見或不尋常的商業(yè)問題。本項目將帶領學生學習監(jiān)督學習與無監(jiān)督學習、過度擬合、訓練數(shù)據(jù)、測試數(shù)據(jù)、驗證數(shù)據(jù)、線性回歸和邏輯回歸、決策樹算法、提升樹算法、隨機森林、神經網(wǎng)絡、支持向量機、聚類、維度詛咒、特征選擇、正則化、主成分分析、擬合優(yōu)度度量、數(shù)據(jù)準備、缺失值填充、異常值、特征工程、分類變量編碼、模糊匹配等機器學習基礎知識及數(shù)據(jù)挖掘經典算法，項目結束時提交項目報告，進行成果展示。

Machine Learning is the use of statistical modeling algorithms to solve practical quantitative problems around large data sets.The mainline practices are building either supervised or unsupervised algorithms that can be used for data analysis,predictions,and forecasts.The main processes in machine learning are data exploration,analysis,cleaning,building expert variables,applying linear or nonlinear fitting algorithms,and evaluation of results.There are many kinds of statistical and machine learning algorithms including linear and logistic regressions,decision trees,boosted trees,random forests,neural nets,support vector machines,k nearest neighbors,Bayesian networks,and clustering algorithms.

項目背景

大數(shù)據(jù)時代到來，數(shù)據(jù)成為企業(yè)及社會重點關注的戰(zhàn)略資源。怎樣才能在浩瀚的數(shù)據(jù)海洋中利用成熟的統(tǒng)計分析和數(shù)據(jù)挖掘技術，進行高效的商業(yè)分析以獲取利益最大化？對數(shù)據(jù)挖掘而言，數(shù)據(jù)庫提供數(shù)據(jù)管理技術，而機器學習和統(tǒng)計學則能夠提供數(shù)據(jù)分析技術。項目將帶領學生學習機器學習算法的基本問題和步驟、了解其在數(shù)據(jù)挖掘領域的應用，并充分利用所學知識解決客戶細分及反欺詐等實際問題。

In the world of Big Data,data has become a strategic resource that enterprises and society focus on.How can we use mature statistical analysis and data mining techniques to conduct efficient business analysis to maximize benefits?Databases provide data management techniques,while machine learning and statistics provide data analysis techniques.The project will lead students to learn machine learning algorithms,understand its application in the field of data mining,and solve practical problems such as customer segmentation and anti-fraud.

項目大綱介紹

監(jiān)督學習與無監(jiān)督學習、過度擬合、訓練數(shù)據(jù)、測試數(shù)據(jù)、驗證數(shù)據(jù)、線性回歸和邏輯回歸ML modeling basics;training/testing/validating data sets;linear regression

決策樹算法、提升樹算法、隨機森林、神經網(wǎng)絡、支持向量機Nonlinear ML algorithms

聚類、維度詛咒、特征選擇、正則化、主成分分析、擬合優(yōu)度度量Clustering,curse of dimensionality,feature selection,regularization,PCA,model measures of goodness.

數(shù)據(jù)準備、缺失值填充、異常值、特征工程、分類變量編碼、模糊匹配Data preparation

實操演練：機器學習、數(shù)據(jù)挖掘在客戶細分及反欺詐等實際問題中的運用ML applications,such as in marketing segmentation,fraud score

項目回顧與成果展示Program Review and Presentation

論文輔導Project Deliverables Tutoring

>>沒有教授推薦信，缺少科研經驗？點擊這里提升背景<<