4月预告！商业分析、机器学习、数学建模、量化金融项目实战开课！

公众号新闻

2023-04-01 01:04

►►►

数学建模训练营

开课时间2023年4月4日

数学建模训练营

训练营以数学建模常用算法为切入点，由指导老师带领学员学习并掌握十余种数模算法的原理及应用，以及MATLAB、STATA、SPSS等工具的使用，并通过“高斯杯”全国大学生数学建模竞赛进行实战演练，熟悉完整数学建模参赛过程。

适合人群

目标专业：申请理工科/商科等方向的同学，适用范围广

希望获得数模知识和技能并进行实践的同学

想要通过数模经历丰富定量研究经历的同学

具体安排

模块一学与练	配套知识与技能学习（3-4周）	数学建模基本介绍及参赛注意事项：竞赛介绍，任务安排建议，赛前准备提醒工具学习：MATLAB，Stata，SPSS 算法精讲：层次分析法，TOPSIS，灰色关联，插值拟合，相关分析，回归分析，蒙特卡罗，数学规划
模块二用	完成数模论文与参与竞赛（2-3周）	完成组队推进文献阅读，问题分析，算法使用，建模分析等步骤完成数学建模论文，参加“高斯杯”数模竞赛

你将收获

针对当期竞赛

完成解题代码与论文

（往期数模论文示例）

数学建模竞赛经历

并用于申请

（往期数模经历示例）

数学建模竞赛证书

（往期证书示例）

►►►

商业分析项目实战

开课时间2023年4月12日

项目主题：北京地区大众点评热门餐饮店铺分析

2022全年，全国餐饮收入增速、限额以上单位餐饮收入增速分别相较上年下降24.9%、29.4%，低于社会消费品零售总额增幅6.1%。2022年，餐饮行业受疫情影响较为严重，去年12月以来，随着优化疫情防控措施落地、助企纾困力度加大，各地餐饮业才开始逐步回归正轨。

本项目汇集了北京地区餐饮商家的详细数据，综合分析店铺热度、顾客印象、评分、评论等大量信息，经过数据清洗和抽取特征之后，研究热门店铺类型、位置、顾客口碑及关注点，使用对比分析、构成分析以及文本挖掘建模等方法，为新店开设、服务品质升级提供指导意见。

适用人群

目标专业：商业分析/市场营销/管理学等相关专业
需要增加商业数据分析经历，实践完整流程，丰富简历的同学
想要快速补充商业分析领域知识，并掌握Python数据处理和建模技能的同学

希望了解并体验业界常规作业模式，提前感知专业与职业兴趣的同学

具体安排

模块一学与练	配套知识与技能学习（3-4周）	基础与常用方法：描述性统计，逻辑回归分析，聚类分析，文本分析，回归分析，主成分分析等工具学习：Python，Numpy，Pandas，Matplotlib，Scipy，Statsmodels，Sklearn等案例精讲：手机线上销量影响因素分析项目
模块二测	代码能力测试
模块三用	具体项目实战与论文报告（2-3周）	针对项目主题，进行背景调查资料整理利用相关数据，选择或改进适合方法进行实证分析完全项目论文报告

你将收获

针对课程完成研究

完成代码与报告

（往期报告示例）

与目标专业匹配的对口经历

并用于申请

（往期项目经历示例）

课程与项目证书

（往期证书示例）

►►►

量化金融项目实战

开课时间2023年4月19日

项目主题：引入分析师评级事件的因子选股策略

‍‍‍‍‍‍‍

事件驱动策略与因子选股策略，是量化投资领域较为常用的两种方法，但通常作为独立策略类型进行使用。若将事件驱动型策略融入到成熟的多因子选股体系，打通两者之间的隔阂，进行方法融合，应该能够起到更好的效果。

本项目尝试将两者进行结合，以分析师评级上调为事件，作为第一层筛选条件，以复合基本面因子为Alpha因子作为第二层筛选条件，融合事件触发和因子暴露，以此进行投资组合构建，并进行回测，判断该投资策略效果。

适合人群

· 目标专业：金融工程、金融学、经济学等相关专业

· 想要快速补充实证资产定价等相关知识的同学

· 希望熟练掌握Python数据处理及分析的同学

· 需要增加量化分析经历，实践完整流程的同学

具体安排

模块一学与练	配套知识与技能学习（3-4周）	基础与常用方法：金融数据获取，处理，财务分析，金融计量常用方法，实证资产定价；工具学习：Choice，Python，Numpy，Pandas，Matplotlib，Scipy，Statsmodels等；案例精讲：大宗交易市场特征分析、三因子模型适用性检验、A股市场多因子模型
模块二测	代码能力测试
模块三用	具体项目实战与论文报告（2-3周）	针对项目主题，进行相关文献梳理利用相关数据，选择或改进适合方法进行实证分析完成项目论文报告

你将收获

针对课题完成研究

完成代码与报告

（往期项目报告示例）

与目标专业匹配的对口经历

并用于申请

（往期项目经历示例）

课程与项目证书

（往期证书示例）

►►►

机器学习项目实战

开课时间2023年4月26日

项目主题：基于机器学习的智能机器狗巡检系统

随着人工智能的快速发展，越来越多的机器人应用诞生，在一些危险场景中机器人可以代替人进行勘测，比如可采集隧道内设备数据、监测隧道环境，实时报警设备异常状态，帮助电力运维人员精准把控隧道电缆状况，减少运检成本，提升运检质量，保障高压电缆网络安全运行。

在本次项目中我们将展现通过传感器搜集到的巡检数据，利用特征工程的方法筛选有效数据信息，配合机器学习算法进行动作指令模型的构建，为机器狗的动作行为做出预测指导以实现机器狗的自主运动。

适合人群

计划申请数据科学/分析学/人工智能/计算机/统计学等专业的同学
需要增加算法应用经历，实践完整流程，丰富简历的同学
想要快速补充数据挖掘算法知识，并提升编程熟练度的同学
希望加深对算法的理解和应用，提前感知专业与职业兴趣的同学

具体安排

模块一学与练	配套知识与技能补充（3-4周）	基础与常用方法：缺失值处理、异常值处理、独热编码、包装法、过滤法、逻辑回归、决策树、Kmeans聚类工具学习：Python、Numpy、Pandas、Matplotlib、Sklearn等案例精讲：链家二手房数据处理与分析、鸢尾花分类模型搭建、居民收入水平预测、餐厅年度销售额预测
模块二测	代码能力测试
模块二用	具体项目实战与论文报告产出（2-3周）	针对项目主题，进行思路整理框架搭建利用相关数据完成预处理、特征工程、模型搭建与评价工作完成项目论文报告