南加州大學(xué)探究項(xiàng)目

谷歌商店消費(fèi)者花費(fèi)預(yù)測 - Kaggle學(xué)術(shù)活動(dòng)

課題簡介

電子商務(wù)平臺(tái)近幾年來發(fā)展迅猛，出現(xiàn)在生活的方方面面，如淘寶、京東。電子商務(wù)平臺(tái)并不僅包括海量商品數(shù)據(jù)，更有海量的消費(fèi)者行為數(shù)據(jù)（如消費(fèi)者的瀏覽時(shí)間、次數(shù)）。消費(fèi)者在電子商務(wù)平臺(tái)上產(chǎn)生的大量行為數(shù)據(jù)，使得分析消費(fèi)者的購買意圖和消費(fèi)習(xí)慣成為可能。營銷團(tuán)隊(duì)如果可以預(yù)測客戶的消費(fèi)水平，便可以調(diào)整促銷策略從而更好地服務(wù)客戶，提高運(yùn)營效率以及企業(yè)收入。

Rstudio, Google Cloud 與Kaggle 聯(lián)手打造本次學(xué)術(shù)活動(dòng)：Google Analytics Customer Revenue Prediction。在本次學(xué)術(shù)活動(dòng)中，參賽者要挑戰(zhàn)分析 Google Merchandise Store（也稱為GStore，銷售 Google 周邊的電子商城）客戶數(shù)據(jù)集，以預(yù)測每位客戶的花費(fèi)，以為公司提供必要的遠(yuǎn)見。學(xué)術(shù)活動(dòng)于2018年9月15日開啟，結(jié)束時(shí)間為2018年11月15日，目前全球已有990支隊(duì)伍參與。

 

科研方法

AI+X數(shù)據(jù)驅(qū)動(dòng)型科研

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研是指使用人工智能（AI）算法，收集、處理、分析具體學(xué)科（X）的海量數(shù)據(jù)，并基于此進(jìn)行預(yù)測，從而獲得科學(xué)發(fā)現(xiàn)的研究方法。與傳統(tǒng)的、基于實(shí)驗(yàn)或邏輯推理的研究方式相比，AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研可以借助AI算法強(qiáng)大的運(yùn)算能力，高效地進(jìn)行大數(shù)據(jù)分析，具有投入產(chǎn)出比高、適用范圍廣的優(yōu)點(diǎn)。

AI＋X數(shù)據(jù)驅(qū)動(dòng)型科研已被廣泛地應(yīng)用于各個(gè)領(lǐng)域，利用AI算法研究基因數(shù)據(jù)，從而進(jìn)行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數(shù)據(jù)千千萬萬，使用傳統(tǒng)的科研方式對(duì)其進(jìn)行分析，工程量大、過程繁瑣，在客觀上難以實(shí)現(xiàn)。但借助AI算法這一便捷的工具，生命科學(xué)家便能夠以海量的患者的遺傳信息為基礎(chǔ)，建立數(shù)據(jù)庫，與過往的研究成果進(jìn)行對(duì)照，快速、準(zhǔn)確地在兩者中發(fā)現(xiàn)規(guī)律、建立聯(lián)系，從而使癌癥診斷的“標(biāo)準(zhǔn)化”成為可能。

整個(gè)科研教學(xué)流程中，每一位學(xué)員都將有學(xué)術(shù)督導(dǎo)協(xié)助保障研究階段性作業(yè)和論文的進(jìn)度，確保取得研究成果。

---

課題要求

本課題適合： 9-12 年級(jí)學(xué)生，有較強(qiáng)的邏輯思維和抽象思維能力

1. 英文：
（1）具備基本的學(xué)術(shù)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(shù)學(xué)：
（1）統(tǒng)計(jì)基礎(chǔ)；

（2）微積分和線性代數(shù)基礎(chǔ)；

 

3. 計(jì)算機(jī)：
（1）Python 基礎(chǔ) （基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)、條件、循環(huán)、方法）；
（2）Numpy, Pandas, Seaborn, Scikit-Learn （了解這些工具的用途、如何利用技術(shù)文檔即