用机器学习算法研究宏观经济与不动产关系

宏观经济 即宏观层面的国民经济，包括一国国民经济总量、国民经济构成（主要分为GDP部门与非GDP部门）、产业发展阶段与产业结构、经济发展程度（人类发展指数、社会发展指数、社会福利指数、幸福指数）。所谓不动产，是指依照其物理性质不能移动或者移动将严重损害其经济价值的有体物。今天小编要为大家介绍的这个科研项目就是通过机器学习算法研究宏观经济与不动产的关系。课题题目是哥伦比亚大学博士科研课题：机器学习算法探究宏观经济与不动产估值关系。

课题简介

机器学习算法探究宏观经济与不动产估值关系

房价是中国现在经济领域的热点问题，对于房价的预测也牵动着广大人民的神经，各路经济学家都从不同角度对房价进行了分析和预测。随着经济的不断发展，大量的宏观经济数据得到了全面地统计，如国家统计局等机构都可以找到能反映国家宏观经济的数据。

本课题试图从宏观经济数据出发，如GDP(国内生产总值)，CPI(居民消费价格指数)等，利用机器学习的方法寻找房价与各个宏观经济指数之间的关系，构建房价与这些宏观经济数据之间的模型关系，从而对未来房价的走势进行预测。

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

哥伦比亚大学 计算数学博士

北京大学 理学学士

在编程方面，精通C++,CUDA C++，Matlab;在课程教授方面精通概率与随机微积分、统计推断、偏微分方程数值分析、统计机器学习、并行计算、GPU计算等。

研究方向：Machine Learning，擅长数据挖掘技术的应用

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。

了解矩阵及其加减乘法运算和线性相关的概念；

了解统计里的标准差，线性回归，相关系数，假设检验等概念；

了解机器学习的分类，着重学习回归分析的模型，并能对模型事后验证；

会用python写简单的循环和运算，会学习使用新的数据库中的函数。

报名/咨询课题详情

请识别下方二维码