背景提升之数据分析的相关研究

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管理体系的支持过程。在实用中，数据分析可帮助人们作出判断，以便采取适当行动。数据分析的数学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。数据分析是数学与计算机科学相结合的产物。总之数据分析是现在的大趋势。今天小编来为大家介绍两个与数据分析有关的科研题目，可以实现背景提升。

基于数据科学的智慧旅游分析

Data Science driven Intelligent Tourism

智慧旅游是运用新一代信息网络技术和装备，充分准确及时感知和使用各类旅游信息，从而实现旅游服务、旅游管理、旅游营销、旅游体验的智能化，促进旅游业态向综合性和融合型转型提升，是游客市场需求与现代信息技术驱动旅游业创新发展的新动力和新趋势。

通过数据科学的分析方法，能够从新的数据源 获取更高价值并使用这些数据形成差异化优势。比如国家旅游局鼓励博物馆、科技馆、旅游景区运用智慧旅游手段，建立门票预约制度、景区拥挤程度预测机制和旅游舒适度的评价机制，建立游客实时评价的旅游景区动态评价机制。

意大利托斯卡纳大区佛罗拉萨市是西方文艺复兴发源地而知名的旅游胜地，每年在此留宿的游客超过1000万人。然而，如何优先利用环境资源，尊重东道社区，确保可行的长期可持续性旅游仍然成为挑战。联合国大会宣布2017年为可持续旅游业促进发展国际年。

托斯卡纳大区旅游局提供了详尽的游客访问，如佛罗伦萨通票（Firenze Card），交通数据（机场、游轮、火车）、酒店住宿等多种数据源，提供基于数据科学的决策支持，帮助旅游局实现景区访问的统计和预测，从而提高可持续性旅游业的发展。

本课题旨在运用数据科学的分析方法，对旅游数据进行分析，从而获得旅游访客模式预测方案，提高可持续性旅游业的发展。研究者将建立起系统的的使用数学工具与计算机编程能力。

科研流程

课程模块一：预备课程

在教学过程正式开始前，有方学者会根据学生的具体情况提供数学、统计、英语学术论文写作等预备课程。

课程模块二：科研辅导

来自美国顶尖人工智能的机器学习科研团队将在有方学者团队的配合下，进行8-12周的科研辅导：

微积分、线性代数和概率统计入门；

学习 Python编程语言和相关的库numpy, pandas, scikit-learn, matplotlib；

学习探索性数据分析（Explorative data analysis），并通过统计方法和可视化对金融数据进行分析

学习回归分析(regression)，对金融数据进行社交媒体效应的评估

学习几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析；

课题验收需要学生完成英文学术论文的写作，并向科研团队进行答辩。

指导速度可能因实际教学情况而异

课程模块三：论文写作&发表

在科研辅导结束后

项目导师将辅导学生完成论文写作

协助学生完成论文在英文学术期刊上正式发表。

整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。

授课导师

卡耐基梅隆大学  博士

CMU全奖工程与公共政策硕士，CMU工程与公共政策学院，在读Phd。

深入就计算机、数据科学领域，曾在多个计算机、数据方向顶级会议中有出色表现。曾在International Conference on Social Computing中获得best paper award

研究方向：Consumer Switching and Search; Behavior  Search costs and consumer shopping behavior in retailing

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

本项目适合适合申请STEM专业方向：计算机、数学等相关专业的学生。

专业领域的零基础学生，我们会提供相关的学术知识培训。

英文：

文献阅读：能在中外不同的文献平台上检索到与课题内容契合的文献，并能撰写综述或者进行总结。

英文：具备英文资料（文献、书籍、网页）阅读的能力，能初步撰写英文文章。

数学：

统计基础知识

微积分（偏微分）

线性代数

计算机：

最好有一定的计算机基础。如果没有，以下软件选择一种或多种，在课题开始后的1-2周进行强化学习并能进行初步的应用。

Python（Jupyter Notebook, Anaconda）

Linux/Unix command

SQL

CSV tool

CMU博士科研课题：基于数据科学的金融科技

课题简介

基于数据科学的金融科技

Data Science driven FinTech

随着大数据、云计算、人工智能等新一代信息技术的发展和应用，金融和科技发展正在融合。金融科技Fintech能够有效提供金融服务的可获得性和便捷性，降低金融交易成本。消费金融的未来取决于金融科技公司在客户分析方面充分利用大数据的能力。

社交媒体的兴起为金融科技提供了宝贵的数据源，比如目前金融服务已经有基于社交媒体舆情监控的交易策略。Stocktwits是全世界最大的社交投资平台，拥有近200万月活跃用户。通过对用户在该社交媒体上发布的海量内容，进行情感分析(sentiment analysis)， 可以深入了解社交媒体对金融科技的影响。

本课题旨在通过通过统计方法和可视化对金融数据进行分析，并使用几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析。学生能在课题中掌握系统的数学和计算机能力。

科研流程

课程模块一：预备课程

在教学过程正式开始前，有方学者会根据学生的具体情况提供数学、统计、英语学术论文写作等预备课程。

课程模块二：科研辅导

来自美国顶尖人工智能的机器学习科研团队将在有方学者团队的配合下，进行8-12周的科研辅导：

微积分、线性代数和概率统计入门；

学习 Python编程语言和相关的库numpy, pandas, scikit-learn, matplotlib；

学习探索性数据分析（Explorative data analysis），并通过统计方法和可视化对金融数据进行分析

学习回归分析(regression)，对金融数据进行社交媒体效应的评估

学习几种重要的自然语言处理和机器学习算法，提出初步的金融数据舆情情感分析；

课题验收需要学生完成英文学术论文的写作，并向科研团队进行答辩。

指导速度可能因实际教学情况而异

课程模块三：论文写作&发表

在科研辅导结束后

项目导师将辅导学生完成论文写作

协助学生完成论文在英文学术期刊上正式发表。

整个科研教学流程中，每一位学员都将有学术督导协助保障研究阶段性作业和论文的进度，确保取得研究成果。

授课导师

卡耐基梅隆大学  博士
CMU全奖工程与公共政策硕士，CMU工程与公共政策学院，在读Phd。
深入就计算机、数据科学领域，曾在多个计算机、数据方向顶级会议中有出色表现。曾在International Conference on Social Computing中获得best paper award
研究方向：Consumer Switching and Search; Behavior  Search costs and consumer shopping behavior in retailing

课题要求

本课题适合： 9-12 年级学生，有较强的逻辑思维和抽象思维能力

本项目适合适合申请STEM专业方向：计算机、数学等相关专业的学生。

英文：

文献阅读：能在中外不同的文献平台上检索到与课题内容契合的文献，并能撰写综述或者进行总结。

英文：具备英文资料（文献、书籍、网页）阅读的能力，能初步撰写英文文章。

数学：

统计基础知识

微积分（偏微分）

线性代数

计算机：

最好有一定的计算机基础。如果没有，以下软件选择一种或多种，在课题开始后的1-2周进行强化学习并能进行初步的应用。

Python（Jupyter Notebook, Anaconda）

Linux/Unix command以上的与数据分析有关的内容就介绍到这里了，这是实现背景提升的好办法。想要加入的同学赶快参加吧。

报名/咨询课题详情

请识别下方二维码