敏捷算法建模课程将重点讲解算法设计和建模的基本原则和技巧。学生将学习如何分析问题,抽象问题,并将问题转化为可计算的形式。学生将学习常用的算法和数据结构,如排序算法、图算法、动态规划等,并学会在不同场景下选择合适的算法和数据结构。在课程的后半部分,学生将参与到实际的项目实践中。通过小组合作的方式,学生将应用所学的知识和技能,解决真实世界中的问题。学生将面对真实的需求变化和时间压力,学会灵活应对,并及时调整和改进自己的算法设计和建模方法。
课程设置
1、需求收集与分析:在项目初期,项目团队需要与客户进行深入的沟通和交流,了解项目的业务需求和目标。通过需求收集和分析,可以明确项目的范围、功能和性能要求,为后续的建模工作奠定基础。
2、模型设计与实现:在需求明确后,项目团队需要开始进行模型的设计和实现工作。根据项目的特点和需求,选择合适的算法和工具进行建模。在建模过程中,应该遵循简单的设计原则,避免过度设计和复杂化。同时,应该注重模型的可维护性和可扩展性,以便后续的迭代和优化。
3、模型测试与验证:在模型设计完成后,需要进行测试和验证工作。通过编写测试用例和执行测试计划,可以验证模型的正确性和性能要求是否满足业务需求。如果发现问题或缺陷,需要及时进行修复和优化。
教学目标
课程以项目调动学员数据挖掘实用能力的场景式教学为主,在讲师设计的业务场景下由讲师不断提出业务问题,再由学员循序渐进思考并操作解决问题的过程中,帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。这种教学方式能够引发学员的独立思考及主观能动性,学员掌握的技能知识可以快速转化为自身能够灵活应用的技能,在面对不同场景时能够自由发挥。
要求学生具备从数据治理根源出发的思维,通过数字化工作方法来探查业务问题,通过近因分析、宏观根因分析等手段,再选择业务流程优化工具还是算法工具,而非“遇到问题调算法包”。真正理解商业思维,项目思维,能够遇到问题解决问题。
要求学生在使用算法解决微观根因分析、预测分析的问题上,根据业务场景来综合判断,洞察数据规律,使用正确的数据清洗与特征工程方法,综合使用统计分析方法、统计模型、运筹学、机器学习、文本挖掘算法,而非单一的机器学习算法。真正给企业提出可行性的价值方案和价值业务结果。