用数据挖掘研究网购经济学

在之前的文章当中，小编介绍过关于数据分析的相关内容。今天小编也要介绍一个新课题，JHU科研课题：基于数据挖掘的网络购物经济学分析。这是通过对大数据进行分析，研究在网购当中存在的网购经济学。

课题简介

数据挖掘（Data Mining）是计算机学的一个跨学科分支，一般是指用户通过自动或半自动的分析大量数据，做出归纳性的推理，最终提取出过去未知且具有价值的潜在信息的过程。近年来，数据挖掘已经成为人工智能和数据库领域的研究热点，并被越来越多地应用于市场营销、客户群体划分、企业危机管理等商业领域。

网购平台中的商家经常开展各种促销活动，刺激消费者的购买欲，这加剧了网购平台上商品价格的波动性。但实际上，商家经常会使用提价后再打折、绑定销售低性价比商品等手段，确保营业额最大化。这种信息不对称造成大多数消费者难以在短时间内，思考出性价比最高的购买计划，在实际付费后，经常后悔不已。

本课题会利用爬虫等技术，获取不同网购平台上的各种商品的历史价格数据，并指导学生基于此，构建数学模型。通过数据挖掘和深度学习等手段，学生可以对数据进行量化分析，为消费者提供最优购买策略。同时，学生也可以在对消费者的网购行为进行分析后，给予商家关于促销时间、促销产品、促销方式的建议，帮助网购平台最大化经济效益。

科研方法

AI＋X数据驱动型科研

使用人工智能（AI）算法，收集、处理、分析具体学科（X）的海量数据，并基于此进行预测，从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比，AI＋X数据驱动型科研可以借助AI算法强大的运算能力，高效地进行大数据分析，具有投入产出比高、适用范围广的优点。

AI＋X数据驱动型科研已被广泛地应用于各个领域，利用AI算法研究基因数据，从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万，使用传统的科研方式对其进行分析，工程量大、过程繁琐，在客观上难以实现。

但借助AI算法这一便捷的工具，生命科学家便能够以海量的患者的遗传信息为基础，建立数据库，与过往的研究成果进行对照，快速、准确地在两者中发现规律、建立联系，从而使癌症诊断的“标准化”成为可能。

授课导师

约翰霍普金斯大学健康科学信息学博士

约翰霍普金斯大学健康科学信息学博士；

清华大学生物医学工程学硕士，大数据能力提升项目参与者；

曾在Analytical Methods、Analytical Chemistry多篇SCI、EI期刊上以第一作者身份发表文章，参与过创新光学健康科学国际会议等多个学术会议；

研究方向涉及电子健康档案、健康监测和管理系统、预测建模等多个领域。

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：

英文：

具备基本的学术英语阅读能力；

接触过英文写作，有论文写作经验者更佳；

数学：

了解基础的微积分知识，包括：极限、微分、积分，有一定的偏微分知识者更佳；

经济学：

对经济学有一定兴趣，愿意学习本科水平的相关知识。

报名/咨询课题详情

请识别下方二维码