数学建模竞赛营
开课时间2024年3月6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
配套知识与技能学习
（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2024年3月11日
项目主题：线上超市品牌效应及经营模式分析
京东超市自2019年起已与沃尔玛、步步高、联合利华、蒙牛、可口可乐、酒便利、农夫山泉、怡宝、宝洁、百威、亚太纸业等知名品牌或零售商达成合作,部分品牌全渠道订单第一季度同比增长300%,履约范围覆盖242个城市,涉及的品类包括食品、生鲜、个护清洁、母婴、酒水、宠物、乐器,同时拓展到3C数码、时尚家居、汽车用品、图书、医药健康各相关品类。
本项目收集了京东超市不同品类的商品数据,涵盖了商品的销量、价格、品类、评论内容等数据,通过研究超市商品的价格分布,并将不同品类、品牌的商品之间进行对比,结合数据挖掘建模方法研究销量的影响因素,并最后使用文本分析方法,探索京东超市的品牌效应及用户口碑。
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2024年3月13日
项目主题：期权波动率偏度策略实证研究
在Black和Scholes的有效市场假设下,隐含波动率估计的是同一标的资产收益的波动状态,在不同的价值状态和剩余到期期限下应为常数。但学者相继发现给定剩余到期期限时,隐含波动率在价值状态上出现"微笑"(implied volatility smile)的现象,即中间低两边高的下凸形态。在期权交易中,隐含波动率在不同的行权价和不同期限会呈现出不同的结构形态。交易者可以通过分析波动率曲面形态的变化来发现交易机会,进行期权交易。
本项目通过探讨期权投资中的期权波动率偏度策略在期权投资中的应用,分析其中的操作模式及盈利,使用数据处理跟可视化工具去挖掘策略表现背后的逻辑与归因。帮助投资者在期权交易中获取利润。
适合人群
·目标专业：金融学、金融工程、金融科技等相关专业
·需要增加量化分析经历，实践完整流程，丰富简历的同学
·想要快速补充量化投资领域知识，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：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
_模块三
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
完成代码与报告
（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2024年3月18日
项目主题：基于机器学习的语音情感探测研究
语音是人与人之间交流的关键方式,不仅包含了信息的文字内容,也蕴含了说话者情感的丰富维度。在日益增长的人工智能应用中,如智能客服、虚拟助手、心理健康分析等,语音情感探测的研究变得尤为重要。通过有效地识别和分析语音中的情感信息,可以显著提升人机交互的自然性和亲和力,以及提供更为精准的情感反应和决策支持。
本项目旨在研究和开发基于机器学习的语音情感探测系统,通过利用先进的算法和模型来提高情感识别的准确性和效率。将使用python对数据进行预处理、特征工程、模型搭建、模型评估,构建全流程机器学习应用框架达到语音情感预测的目的。
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产出
（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
完成代码与报告
（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）
经济管理项目实战
开课时间2024年2月19日
项目主题：ESG信息披露水平对企业价值的影响研究
在后疫情时代的背景下,ESG发展理念受到广泛重视,ESG的可持续性和抗风险性等优势使其成为评价企业未来可持续发展能力的关键性因素。ESG理论把环境、社会责任与企业治理三要素进行了有效整合,因此被企业视为一种新兴的投资战略。随着学者对ESG与企业价值关系研究的深入,企业ESG信息披露水平能否对企业价值产生影响及产生怎样的影响成为本项目研究的出发点。
当下,将ESG作为一个整体指标与企业价值进行实证研究的相关文献相对较少。ESG信息披露与企业价值的相关知识仍是零散的,其中关系、结果难以概括。因此基于上述背景,本研究使用国内评级机构"商道融绿"ESG评级方法来衡量国内上市公司ESG信息披露的水平,实证分析A股上市公司ESG整体表现与企业价值之间的关系。研究旨在于拓宽ESG信息披露领域研究的范围,引导上市公司践行ESG发展理念,树立负责任的企业形象,增加公众及利益相关者的期望,从而增强其应对内外部风险的能力,为自己带来更高的投资回报。
适合人群
计划申请经济学/会计学/管理学等专业的同学
需要增加经管科研经历，实践完整流程，丰富简历的同学
想要快速补充经济学、财管基础知识，并掌握数据分析和编程技能的同学
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：金融终端数据获取，数据清洗，描述性统计，可视化，显著性检验，相关性，回归分析；
工具学习：Choice，Python，Numpy，Pandas等；
案例精讲：上市公司高管薪酬影响因素分析、经济不确定性与企业创新行为研究等模块二
测
工具使用能力测试
_模块三
用
具体项目实战与论文报告
（2-3周）
针对项目主题，收集经济、公司财务、经营行为相关数据及信息利用清洗后的有效数据，进行指标构建和数据分析，搭建回归模型，进行实证研究完成项目论文报告
你将收获
针对课题完成研究
完成代码与报告
（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
▼
