經典試驗設計與大數據建模培訓通知

課程大綱

　　第一天

　　一、 DOE介紹及發展

　　1.DOE重要性及作用

　　2.DOE中常用術語介紹（因子、水平、響應、主效應、交互作用）

　　3.DOE分析思路及實施步驟

　　二、全因子設計

　　1.基於Minitab生成正交表；2K因子設計、一般全因子設計及裂區設計

　　2.中心點、區組、仿行的意義與實現

　　3.基於Minitab全因子設計案例介紹；響應優化器優化及預測

　　三、部分因子設計

　　1.為何需要部分因子設計；部分因子設計與全因子設計關係

　　2.部分因子設計優點與缺點；

　　--混淆、分辨度、字長概念

　　3.基於Minitab進行部分因子設計的案例介紹

　　第二天

　　一、離散型響應試驗設計

　　1.什麼是離散型響應；二值、名義值、順序值

　　2.離散型響應DOE與連續型DOE區別

　　3.離散型響應DOE分析步驟與思路

　　4.離散型響應DOE案例介紹

　　二、響應曲面設計

　　1.為何需要響應曲面設計；

　　2.響應曲面設計與因子設計的關係

　　3.序貫設計的實施步驟與分析思路

　　4.響應曲面設計名詞（軸點、角點、序貫性、旋轉性）

　　5.Box-Behenken設計

　　6.中心複合設計

　　--中心複合序貫設計

　　--中心複合表面設計

　　--中心複合有界設計

　　7.最速上升法

　　--最速上升路徑的確定

　　--基於Minitab宏命令設置最優上升區域

　　8.完整響應曲面設計案例介紹

　　--基於因子設計判斷因子顯著性

　　--利用最速上升法查找最優實驗區域

　　--利用響應曲面設計探測因子最佳取值

　　三、混料設計

　　1.混料設計的概念與使用場景

　　2.混料設計的原理及幾何思維

　　3.幾種常見混料設計的實施

　　--單純形質心法

　　--單純形格點法

　　--極端頂點法

　　第三天

　　基於大數據（機器學習）建模

　　一、機器學習基礎入門

　　1.機器學習應用類型及相關術語

　　2.機器學習與統計學之間的區別

　　3.機器學習應用場景及分析模式

　　4.機器學習三要素及面臨挑戰

　　5.機器學習數據組織

　　6.基於CART算法簡單案例介紹

　　二、機器學習分類及模型評估

　　1.二元分類法、多項分類

　　2.回歸分析法

　　3.Logistics分析

　　三、CART與TREENET詳解

　　1.什麼是CART？

　　2.CART分析的原理及算法

　　3.CART分析案例介紹

　　4.CART模型開發步驟

　　5.TreeNet介紹：隨機梯度提升

　　6.TreeNet過程及要點

　　7.TreeNet算法原理及高緯度建模核心

　　培訓時間地點

　　時間：2019年4月24日-4月26日

　　地點：上海

　　費用：7500

　　報名網址：

　　http://www.sciencesoftware.com.cn/NewChargeTraining.aspx

版權與免責聲明：

① 凡本網註明"來源：中國教育裝備採購網"的所有作品，版權均屬於中國教育裝備採購網，未經本網授權不得轉載、摘編或利用其它方式使用。已獲本網授權的作品，應在授權範圍內使用，並註明"來源：中國教育裝備採購網"。違者本網將追究相關法律責任。

② 本網凡註明"來源：XXX（非本網）"的作品，均轉載自其它媒體，轉載目的在於傳遞更多信息，並不代表本網贊同其觀點和對其真實性負責，且不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、網站或個人從本網下載使用，必須保留本網註明的"稿件來源"，並自負版權等法律責任。

③ 如涉及作品內容、版權等問題，請在作品發表之日起兩周內與本網聯繫，否則視為放棄相關權利。