Product Details
南加州大學探究項目
谷歌商店消費者花費預測 - Kaggle學術活動
課題簡介
電子商務平臺近幾年來發展迅猛，出現在生活的方方面面，如淘寶、京東。電子商務平臺并不僅包括海量商品數據，更有海量的消費者行為數據（如消費者的瀏覽時間、次數）。消費者在電子商務平臺上產生的大量行為數據，使得分析消費者的購買意圖和消費習慣成為可能。營銷團隊如果可以預測客戶的消費水平，便可以調整促銷策略從而更好地服務客戶，提高運營效率以及企業收入。
Rstudio, Google Cloud 與Kaggle 聯手打造本次學術活動：Google Analytics Customer Revenue Prediction。在本次學術活動中，參賽者要挑戰分析 Google Merchandise Store（也稱為GStore，銷售 Google 周邊的電子商城）客戶數據集，以預測每位客戶的花費，以為公司提供必要的遠見。學術活動于2018年9月15日開啟，結束時間為2018年11月15日，目前全球已有990支隊伍參與。
科研方法
AI+X數據驅動型科研
AI＋X數據驅動型科研是指使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。
AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。
整個科研教學流程中，每一位學員都將有學術督導協助保障研究階段性作業和論文的進度，確保取得研究成果。
課題要求
本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力
1. 英文：
（1）具備基本的學術英語閱讀能力；
（2）接觸過英文寫作，能初步撰寫英文文章；
2. 數學：
（1）統計基礎；
（2）微積分和線性代數基礎；
3. 計算機：
（1）Python 基礎 （基礎數據結構、條件、循環、方法）；
（2）Numpy, Pandas, Seaborn, Scikit-Learn （了解這些工具的用途、如何利用技術文檔即
