商業(yè)分析專題科研項(xiàng)目：基于Python的商業(yè)分析研究與實(shí)踐【大學(xué)組】

導(dǎo)師學(xué)校介紹

南加州大學(xué)（University of Southern California，USC）創(chuàng)立于1880年，坐落于美國(guó)加州洛杉磯市中心，是全球領(lǐng)先私立研究型大學(xué)，美國(guó)最具多元化學(xué)府之一，廣受全球博才智杰推崇。南加州大學(xué)是美國(guó)大學(xué)協(xié)會(huì)（AAU；研究型大學(xué)聯(lián)盟，會(huì)員門檻極高，被許多機(jī)構(gòu)視為衡量大學(xué)學(xué)術(shù)研究和品質(zhì)的基準(zhǔn)）的成員，在2020年U.S.News全美大學(xué)綜合排名中位列第22。南加州大學(xué)商學(xué)院作為美國(guó)西海岸最為知名的商學(xué)院之一，在商業(yè)、會(huì)計(jì)、管理等領(lǐng)域有著良好的教學(xué)經(jīng)驗(yàn)。根據(jù)2016-2020年UTD全球商學(xué)院科研排名百?gòu)?qiáng)榜，南加州大學(xué)馬歇爾商學(xué)院位列全球第6名。

導(dǎo)師詳細(xì)介紹

導(dǎo)師昵稱

Stephen

導(dǎo)師級(jí)別

正教授

導(dǎo)師學(xué)校

南加州大學(xué)(USC)

Stephen導(dǎo)師任職于南加州大學(xué)馬歇爾商學(xué)院，主要研究方向是數(shù)據(jù)科學(xué)、欺詐分析和商業(yè)分析等學(xué)科。導(dǎo)師同時(shí)被加州大學(xué)圣地亞哥分校和加州大學(xué)洛杉磯分校高薪聘請(qǐng)兼任商學(xué)院教授職務(wù)。Stephen導(dǎo)師不僅僅在學(xué)術(shù)教學(xué)上有著豐富的經(jīng)驗(yàn)，他在專業(yè)領(lǐng)域的職業(yè)經(jīng)驗(yàn)在眾多名校導(dǎo)師中獨(dú)樹(shù)一幟。導(dǎo)師曾任ID Analytics（LifeLock和Symantec旗下的身份資訊保護(hù)公司）公司首席分析師及首席科學(xué)官和美國(guó)Casa Systems,Inc.（網(wǎng)絡(luò)基礎(chǔ)設(shè)施解決方案公司）聯(lián)合創(chuàng)始人。2004-2005年間，Stephen導(dǎo)師在財(cái)經(jīng)界稱為“大摩”的頂級(jí)投行摩根士丹利擔(dān)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(xué)家，同時(shí)擁有多項(xiàng)專利，在數(shù)據(jù)科學(xué)和商業(yè)分析的交叉學(xué)科中開(kāi)創(chuàng)了多個(gè)先河，他的著作也多次被相關(guān)學(xué)院和學(xué)科作為授課教材。Stephen教授在其他學(xué)科也有著豐富的建樹(shù)，他早在80年代便取得了音樂(lè)專業(yè)的本碩學(xué)位，同時(shí)也取得了核能工程的碩博學(xué)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(jī)器學(xué)習(xí),金融學(xué),數(shù)據(jù)科學(xué),數(shù)據(jù)分析,人工智能,風(fēng)險(xiǎn)管理,商業(yè)統(tǒng)計(jì),編程語(yǔ)言

項(xiàng)目?jī)r(jià)格：33800/19800

項(xiàng)目周期：7周在線小組科研+5周論文輔導(dǎo)

是否建議高中生學(xué)習(xí)：否

是否建議大學(xué)生學(xué)習(xí)：是

語(yǔ)言：英文

難度：中級(jí)/高級(jí)難度

建議具備的基礎(chǔ)：對(duì)商業(yè)分析、商業(yè)統(tǒng)計(jì)、數(shù)據(jù)科學(xué)、數(shù)據(jù)處理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、信息安全等專業(yè)和課題感興趣，相關(guān)專業(yè)或希望在相關(guān)領(lǐng)域深入學(xué)習(xí)的學(xué)生

具備Python基礎(chǔ)知識(shí)，數(shù)學(xué)邏輯良好的學(xué)生優(yōu)先

科研項(xiàng)目產(chǎn)出

7周在線小組科研學(xué)習(xí)+5周論文指導(dǎo)學(xué)習(xí)共125課時(shí)+不限時(shí)論文指導(dǎo)

學(xué)術(shù)報(bào)告

優(yōu)秀學(xué)員獲主導(dǎo)師Reference Letter

EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級(jí)別索引國(guó)際會(huì)議全文投遞與發(fā)表指導(dǎo)（可用于申請(qǐng)）

結(jié)業(yè)證書

成績(jī)單

項(xiàng)目介紹

機(jī)器學(xué)習(xí)是使用統(tǒng)計(jì)建模算法來(lái)解決大型數(shù)據(jù)集的實(shí)際定量問(wèn)題。機(jī)器學(xué)習(xí)在整個(gè)科學(xué)和商業(yè)中被廣泛使用，用于研究和實(shí)際解決常見(jiàn)或不尋常的商業(yè)問(wèn)題。本項(xiàng)目將帶領(lǐng)學(xué)生學(xué)習(xí)監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)、過(guò)度擬合、訓(xùn)練數(shù)據(jù)、測(cè)試數(shù)據(jù)、驗(yàn)證數(shù)據(jù)、線性回歸和邏輯回歸、決策樹(shù)算法、提升樹(shù)算法、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、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(zhǔn)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(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)及數(shù)據(jù)挖掘經(jīng)典算法，項(xiàng)目結(jié)束時(shí)提交項(xiàng)目報(bào)告，進(jìn)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(xiàng)目背景

大數(shù)據(jù)時(shí)代到來(lái)，數(shù)據(jù)成為企業(yè)及社會(huì)重點(diǎn)關(guān)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(jì)分析和數(shù)據(jù)挖掘技術(shù)，進(jìn)行高效的商業(yè)分析以獲取利益最大化？對(duì)數(shù)據(jù)挖掘而言，數(shù)據(jù)庫(kù)提供數(shù)據(jù)管理技術(shù)，而機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)則能夠提供數(shù)據(jù)分析技術(shù)。項(xiàng)目將帶領(lǐng)學(xué)生學(xué)習(xí)機(jī)器學(xué)習(xí)算法的基本問(wèn)題和步驟、了解其在數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用，并充分利用所學(xué)知識(shí)解決客戶細(xì)分及反欺詐等實(shí)際問(wèn)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(xiàng)目大綱介紹

監(jiān)督學(xué)習(xí)與無(wú)監(jiān)督學(xué)習(xí)、過(guò)度擬合、訓(xùn)練數(shù)據(jù)、測(cè)試數(shù)據(jù)、驗(yàn)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(shù)算法、提升樹(shù)算法、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)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(zhǔn)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(shí)操演練：機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘在客戶細(xì)分及反欺詐等實(shí)際問(wèn)題中的運(yùn)用ML applications,such as in marketing segmentation,fraud score

項(xiàng)目回顧與成果展示Program Review and Presentation

論文輔導(dǎo)Project Deliverables Tutoring

>>沒(méi)有教授推薦信，缺少科研經(jīng)驗(yàn)？點(diǎn)擊這里提升背景<<