谷歌商店消費者花費預測研究

隨著科技的發(fā)展，現(xiàn)在電子商務(wù)平臺所占的比重越來越重要，出現(xiàn)在生活中的方方面面。透過書記研究消費者的消費心理，對消費者進行一個花費預測對于商家來說是特別重要的一個環(huán)節(jié)。今天小編要為大家介紹一個與之有關(guān)的科研項目南加州大學探究項目：谷歌商店消費者花費預測 - Kaggle學術(shù)活動。

課題簡介

電子商務(wù)平臺近幾年來發(fā)展迅猛，出現(xiàn)在生活的方方面面，如淘寶、京東。電子商務(wù)平臺并不僅包括海量商品數(shù)據(jù)，更有海量的消費者行為數(shù)據(jù)（如消費者的瀏覽時間、次數(shù)）。消費者在電子商務(wù)平臺上產(chǎn)生的大量行為數(shù)據(jù)，使得分析消費者的購買意圖和消費習慣成為可能。營銷團隊如果可以預測客戶的消費水平，便可以調(diào)整促銷策略從而更好地服務(wù)客戶，提高運營效率以及企業(yè)收入。

Rstudio, Google Cloud 與Kaggle 聯(lián)手打造本次學術(shù)活動：Google Analytics Customer Revenue Prediction。在本次學術(shù)活動中，參賽者要挑戰(zhàn)分析 Google Merchandise Store（也稱為GStore，銷售 Google 周邊的電子商城）客戶數(shù)據(jù)集，以預測每位客戶的花費，以為公司提供必要的遠見。學術(shù)活動于2018年9月15日開啟，結(jié)束時間為2018年11月15日，目前全球已有990支隊伍參與。

科研方法

AI+X數(shù)據(jù)驅(qū)動型科研

AI＋X數(shù)據(jù)驅(qū)動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數(shù)據(jù)，并基于此進行預測，從而獲得科學發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實驗或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動型科研可以借助AI算法強大的運算能力，高效地進行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點。

AI＋X數(shù)據(jù)驅(qū)動型科研已被廣泛地應用于各個領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進行早期的癌癥篩查便是其中一例?；蚪M與癌癥病患的數(shù)據(jù)千千萬萬，使用傳統(tǒng)的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現(xiàn)。但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫，與過往的研究成果進行對照，快速、準確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標準化”成為可能。

整個科研教學流程中，每一位學員都將有學術(shù)督導協(xié)助保障研究階段性作業(yè)和論文的進度，確保取得研究成果。

授課導師

豐富的數(shù)據(jù)科學領(lǐng)域項目研究經(jīng)驗；

研究方向：計算機科學。

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力

英文：

具備基本的學術(shù)英語閱讀能力；

接觸過英文寫作，能初步撰寫英文文章；

數(shù)學：

統(tǒng)計基礎(chǔ)；

微積分和線性代數(shù)基礎(chǔ)；

計算機：

Python 基礎(chǔ) （基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)、條件、循環(huán)、方法）；

Numpy, Pandas, Seaborn, Scikit-Learn （了解這些工具的用途、如何利用技術(shù)文檔即

南加州大學探究項目：谷歌商店消費者花費預測 - Kaggle學術(shù)活動的介紹就是這些，如果大家對這個感興趣的話，可以踴躍參加。

報名/咨詢課題詳情

請識別下方二維碼