MingTang2018/machine-learning-wang-chen-jun

Machine Learning for Social Scientists

Machine Learning for Social Scientists

王成军

社会科学家的机器学习（Machine Learning for Social Scientists) 暑期课程简介

本工作坊面向社会科学研究者，采用Python介绍机器学习（和深度学习）的基本逻辑（需要学员提前安装Anaconda），主要内容包括三（或四）个部分：1. 机器学习简介：从泰坦尼克号讲起；2. 机器学习初步: 朴素贝叶斯与线性回归；3. 机器学习进阶：支持向量机与随机森林；4. 机器学习扩展：基于Pytorch的神经网络模型（备选）。本工作坊所使用到的Slides、Python代码、阅读文献、案例见 https://github.com/computational-class/machine-learning

Note: 本部分基于python介绍机器学习的基本逻辑和算法，需要学员提前安装Anaconda、熟悉Jupyter notebook的使用、安装pytorch）。

序号	日期	时间	内容	课时数量
1	7月1日 周六	9:00-11:00	机器学习简介：从泰坦尼克号讲起	2
1	7月1日 周六	11:00-12:00	课堂练习&答疑	1
1	7月1日 周六	14:00-16:00	机器学习简介： 模型校验 & 特征工程	2
1	7月1日 周六	16:00-17:00	课堂练习&答疑	1
2	7月2日 周日	9:00-11:00	机器学习进阶：朴素贝叶斯 & 线性回归	2
2	7月2日 周日	11:00-12:00	课堂练习&答疑	1
2	7月2日 周日	14:00-16:00	机器学习简介： 支持向量机 & 随机森林	2
2	7月2日 周日	16:00-17:00	课堂练习&答疑	1
3	7月3日 周一	9:00-11:00	机器学习拓展：基于Pytorch的神经网络模型	2
3	7月3日 周一	11:00-12:00	课堂练习&答疑	1
3	7月3日 周一	14:00-16:00	机器学习拓展：结课	2
3	7月3日 周一	16:00-17:00	课堂练习&答疑	1

https://github.com/SocratesAcademy/machine-learning

Slides

• What Is Machine Learning?
• Introducing Scikit-Learn
• Hyperparameters and Model Validation
• Feature Engineering
• In Depth: Naive Bayes Classification
• In Depth: Linear Regression
• In-Depth: Support Vector Machines
• In-Depth: Decision Trees and Random Forests
• In Depth: Neural Networks: An introduction
• In Depth: Neural Networks: Hand-written Digits
• In Depth: Neural Networks: CNN
• In Depth: Neural Networks: RNN

案例

• 房价预测 https://www.kaggle.com/c/house-prices-advanced-regression-techniques/
• 预测银行用户是否参与定期存款 http://www.dcjingsai.com/common/cmpt/ANZ%20Chengdu%20Data%20Science%20Competition_%E7%AB%9E%E8%B5%9B%E4%BF%A1%E6%81%AF.html?lang=en_US
• 游戏玩家的付费预测 http://www.dcjingsai.com/common/cmpt/%E6%B8%B8%E6%88%8F%E7%8E%A9%E5%AE%B6%E4%BB%98%E8%B4%B9%E9%87%91%E9%A2%9D%E9%A2%84%E6%B5%8B%E5%A4%A7%E8%B5%9B_%E7%AB%9E%E8%B5%9B%E4%BF%A1%E6%81%AF.html
• 预测假新闻 https://www.kaggle.com/c/fake-news

推荐教材

• Whirlwind Tour Of Python https://jakevdp.github.io/WhirlwindTourOfPython/
• Beiginning Python https://github.com/SocratesAcademy/beginning-python-3ed
• Python Data Science Handbook https://jakevdp.github.io/PythonDataScienceHandbook/
• 动手学深度学习PyTorch版 http://d2l.ai/

参考书

• Introduction to Machine Learning with Python: A Guide for Data Scientist https://github.com/amueller/introduction_to_ml_with_python.
• Hands-on machine learning with scikit-learn, keras & tensorflow https://github.com/ageron/handson-ml3
• Machine Learning in Action https://github.com/pbharrin/machinelearninginaction & https://github.com/RedstoneWill/MachineLearningInAction-Camp & https://github.com/TingNie/Machine-learning-in-action
• 周志华《机器学习》,北京:清华大学出版社,2016. (ISBN 978-7-302-42328-7)
• 黄佳《零基础学机器学习》，北京:人民邮电出版社,2020. (ISBN 978-7-115-54599-2)
• 邱锡鹏《神经网络与深度学习》，北京：机械工业出版社，2020. （ISBN 978-7-111-64968-7）

相关课程

• 南京大学《大数据挖掘与分析》课程 https://github.com/computational-class/bigdata
• 用Python玩转数据_**大学MOOC(慕课) http://www.icourse163.org/course/nju-1001571005
• Advanced Machine Learning with scikit-learn, Andreas Müller http://bit.ly/advanced_machine_learning_scikit-learn & https://github.com/computational-class/PythonMachineLearning