数据科学“内战”:统计 vs. 机器学习

免费

主讲人:  唐亘

猛犸反欺诈  数据科学家

 

数据科学家,《精通数据科学:从线性回归到深度学习》一书作者。复旦大学的数学和计算机双学士;巴黎综合理工的金融硕士学位;法国国立统计与经济管理学校的数据科学硕士学位。曾参与经合组织(OECD)的研究项目并发表论文,并担任英国在线出版社Packt的技术审稿人。

 

 

▣ 主题:数据科学“内战”:统计 vs. 机器学习

 

▣ 时间:4月9日 20:00

 

▣ 形式:视频直播

▣ 讲座概要:

 

在数据科学领域,统计学和机器学习是其最重要的组成部分。这两门学科的侧重 点并不相同,在很多方面它们是彼此很好的补充。在面对一个实际问题时,若能将两者的方法相结合,能更好地挖掘数据的内在规律,从而更大程度地发挥数据的价值。 

一方面,本讲座将借鉴统计(或者更准确地说,计量经济学)的方法,深入探讨模型应用中常常被人们(特别是机器学习专业人员)忽略的问题,如模型是否稳定、模型结果是否可靠等;另一方面,本讲座将根据线性到非线性的思路,展示如何从统计模型中一步步“进化”出机器学习模型,帮助大家更好地理解复杂的机器学习模型。

 

▣ 讲座提纲:

 

a. 数据科学的目标与挑战

b. 数据模型和算法模型

c. 从线性到非线性

d. 从逻辑回归到神经网络 

授课教师

数据科学家,《精通数据科学:从线性回归到深度学习》一书作者。复旦大学的数学和计算机双学士;巴黎综合理工的金融硕士学位;法国国立统计与经济管理...