匹茲堡探究項(xiàng)目

機(jī)器學(xué)習(xí)推動(dòng)的實(shí)時(shí)預(yù)測(cè)網(wǎng)上購(gòu)物者意向模型

課題簡(jiǎn)介

近幾年來(lái)互聯(lián)網(wǎng)商務(wù)的迅速發(fā)展使產(chǎn)品銷售的渠道不僅僅局限與傳統(tǒng)實(shí)體市場(chǎng)中，但銷售方式的轉(zhuǎn)換并沒(méi)有以同樣的速度來(lái)適應(yīng)這種不斷拓寬的銷售渠道，在為在線購(gòu)物者提供定制的促銷活動(dòng)需要更加精確客觀的解決方案和計(jì)劃。在當(dāng)前競(jìng)爭(zhēng)如此激烈的商務(wù)環(huán)境下，如何把合適的商品推薦給潛在的消費(fèi)者或如和維護(hù)現(xiàn)有消費(fèi)者群體是每一個(gè)互聯(lián)網(wǎng)商家的核心研究問(wèn)題。獲得，分析，運(yùn)用在線消費(fèi)者數(shù)據(jù)是每個(gè)線上產(chǎn)品商家和平臺(tái)解決上面問(wèn)題的必備能力。

目前各大線上商家和平臺(tái)已經(jīng)不斷在學(xué)習(xí)和開(kāi)始使用互聯(lián)網(wǎng)商務(wù)數(shù)據(jù)。例如，作為北美電商銷售的巨頭亞馬遜會(huì)根據(jù)消費(fèi)者商品瀏覽歷史，購(gòu)買記錄向消費(fèi)者提供類似相關(guān)商品的推薦和折扣信息來(lái)鼓勵(lì)刺激消費(fèi)者的購(gòu)買。

本課題目的是培養(yǎng)對(duì)大數(shù)據(jù)的理解和運(yùn)用，研究如何使其服務(wù)與解決商務(wù)問(wèn)題。了解、學(xué)習(xí)對(duì)于大數(shù)據(jù)的整理，預(yù)處理，可視化，分析等數(shù)據(jù)挖掘（data mining）的各項(xiàng)步驟。最后通過(guò)以市場(chǎng)營(yíng)銷學(xué)，宏觀經(jīng)濟(jì)學(xué)理論為驅(qū)動(dòng)，最前沿的機(jī)器學(xué)習(xí)為方法來(lái)搭建一個(gè)可以分類客戶群體、預(yù)測(cè)客戶購(gòu)買意向的模型，從而根據(jù)結(jié)果提出商務(wù)建議。

 

科研方法

AI+X數(shù)據(jù)驅(qū)動(dòng)型科研

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測(cè)，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)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(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬(wàn)萬(wàn)，使用傳統(tǒng)的科研方式對(duì)其進(jìn)行分析，工程量大、過(guò)程繁瑣，在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)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(kù)，與過(guò)往的研究成果進(jìn)行對(duì)照，快速、準(zhǔn)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(biāo)準(zhǔn)化”成為可能。

---

課題要求

本課題適合： 9-12 年級(jí)學(xué)生，有較強(qiáng)的邏輯思維和抽象思維能力

1. 英文：
（1）具備基本的學(xué)術(shù)英語(yǔ)閱讀能力；
（2）接觸過(guò)英文寫作，有論文寫作經(jīng)驗(yàn)者更佳；

 

2. 數(shù)學(xué)：
（1）概率統(tǒng)計(jì)；
（2）線性回歸；
（3）邏輯回歸

 

3. 計(jì)算機(jī)：
（1）Pandas；
（2）Scikit-Learn；
（3）Seaborn （基于matplotlib的數(shù)據(jù)可視化庫(kù)）