►►►
数学建模训练营
开课时间2022年12月7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
配套知识与技能补充
（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，进行赛题选择
  • 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2022年12月14日
项目主题：网易云音乐社区模式数据分析
网易云音乐是国内首个以“歌单”作为核心架构的音乐APP，截至 2022 年 6 月底，网易云音乐已有 34 亿个用户创建的歌单，同时，在线音乐服务月付费用户数由去年同期的 2613.4 万人增加至 3761.3 万人，同比增长 43.9%，在线音乐服务付费率进一步提升至 20.7%。
本项目收集了网易云音乐上不同类别的热门歌单及其歌曲信息，基于播放、评论、分享、评论等数据，通过数据清洗抽取特征，用多维度的数据可视化方法，结合深入的数据挖掘模型，研究社区音乐数据特征，分析其社区参与率高的原因。
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2022年12月21日
项目主题：大类资产轮动与宏观动量研究
大类资产的轮动节奏与宏观走势紧密相关，宏观信息中往往包含大量信息，可以为投资者指引出更合适的配置方向。对于有效挖掘宏观信息，可以考虑宏观动量角度，通过经济趋势判断的择时来获取超额收益。举例来说，当经济处于繁荣趋势期间，股票的市场表现持续优于债券类资产；而当经济处于衰退趋势时，债券表现能够持续优于股票。
本项目将从经济增长、通货膨胀、货币政策三个维度，刻画出当期的宏观动量信息，分别构建单因子动量策略，以此筛选宏观指标。更进一步，为了克服单宏观因子噪声较大的问题，我们将利用交叉验证等方法，优化宏观动量指标，并构建相应的宏观动量策略，进行回测，并与传统动量策略进行对比评价。
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
配套知识与技能补充
（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
_
模块二
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
完成代码与论文
（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2022年12月28日
项目主题：安居客虚假房源审查系统
近几年二手房市场一直都是逐年递增的，而消费者在购买房子时越来越多选择在线上+实地的模式，以及在APP上看好地段、小区以及心仪房源再去实地查看。而近年来越来越多的中介为了获取客源扩大流量，在网上挂售虚假房源及价格低、地段好、户型好等“优质”房源来吸引客户来实地查看以及获取联系方式。
此类虚假房源对于平台的信誉是很受影响的，如何从大量的房源中识别出虚假、异常的房源并且加强审核是一件很重要的事。本次项目借助安居客的历史房源信息，使用机器学习的方法搭建房屋预测系统来根据房源属性判断房屋价值，借此识别出异常房源。
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
（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
你将收获
针对课题完成研究
完成代码与论文
（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）
▼
扫描下方二维码
咨询项目详情
▼
继续阅读
阅读原文
关键词
数据
算法
模型
项目实战
论文报告