2019年新年大优惠！未明学院七大行业实战项目，收获热门行业经历及必备技能，这个寒假，让自己离未来更近！
跨过2018迈入2019后，天气一天天变冷，意味着寒假也越来越近啦！
前段时间，@人民日报整理并发布了“2018年全国125所高校寒假天数排行榜”。天津财经大学和东南大学分别以56天和28天拔得“头筹”，分别位列寒假最长及最短top1。你的学校寒假放几天？
每次放寒假之前，期待中的假期都是这样的：
但事实上你的寒假很有可能是这样的：
平均一个月左右的寒假，说长不长，说短也不短。怎样规划寒假才能不虚度？
对于处于迷茫期的同学们来说，寒假是一个不错的尝试各种可能的机会，只有经历了，才会知道这个行业是不是自己喜欢的。正如未明学院的口号，未来未明，未来可期。通过自己的尝试和努力，未来是可以变得逐步明朗起来。
对于已经确定未来方向的同学来说，无论是就业还是读研，坚持自己的目标，分析目标所需的能力并做对应的努力，相信未来一定不会辜负早作准备的你。
寒假，除了和家人团聚，对于未来1-2年就到人生岔路口的大学生们，寒假是一个可以为自己未来做准备的黄金时期。
在过去一年的时间里，未明学院的许多学员们通过在未明学院参加的券商、互联网、咨询等热门行业的实战项目，收获了简历中的第一份热门行业的项目实战经历以及对应的相关技能。许多同学也借此经历作为跳板，拿到了人生中第一份满意的全职/实习offer，或者拿到了海外名校的录取。
Z同学 华东师范大学 金融学
实习offer 申万宏源证券固收总部
未明学院券商量化行研项目经历
W同学 南京理工大学 数学与应用数学
全职offer 阿里巴巴数据分析岗
未明学院互联网商业分析项目经历
（点击查看大图）
Y同学 四川大学 计算机科学与技术
研究生offer 香港科技大学大数据科技
未明学院机器学习项目经历
优惠
新年一开始就有一个机会！
从今日起，
未明学院7大行业实战项目，
原价每个项目3999元
现在报名立减200元！！！
互联网商业分析项目
新媒体时代的网红营销模式研究
通过数据分析，把握网络营销模式动态。
项目简介：近年，随着新媒体的发展，网红所具有的强大网络影响力也带来了商机。他们在社交媒体上聚集人气，依托庞大的粉丝群体进行定向营销，从而将粉丝转化为购买力，形成网红经济现象。
本项目通过从微博、淘宝获取网红微博粉丝数、微博发文、淘宝店铺、淘宝同款等数据，利用文本分析和模型构建，对网红的广告带货能力、自营店铺带货能力、同款带货能力等多个维度进行分析，从而对网红的变现能力、网红经济的规模进行深入研究。
基于喜马拉雅听书的内容付费研究
构建知识付费模型，分析当红主播特征。
项目简介：如今知识付费的风口正在变得更加细化和清晰，喜马拉雅听书无疑是这个领域最重要的玩家之一。用户可以在平台分享和收听，同时喜马拉雅也造就了一批以声音为特色的当红主播。而在用户分享的内容中，免费内容和付费内容在类型、受欢迎程度上存在较大的差异。
本项目从喜马拉雅获取各排行榜中免费和付费热门内容的收听量、标签、专辑介绍等，以及当红主播的粉丝量、性别、星座、地址、专辑内容等信息，利用画像分析、模型构建等方法，分析热门免费内容和付费内容的差异以及当红主播的个人特征、内容特征、内容平衡等。
券商量化行研项目
指数增强基金收益研究—基于聚类分析
紧追投资热点，量化解析金融热点。
项目简介：指数增加型基金，具有策略相对透明、风格相对平稳、风险可控性较强、获取超额收益可能性较高的优点，近年来投资热度不断攀升，基金数目逐年稳步递增。
本项目使用跟踪沪深300、中证500、中证1000、上证50四个宽基指数的公募基金产品数据，从收益相关分析出发，详细分析各基金的行业配置、持仓风格、持股集中度等配置特征与基金超额收益的关系。在此基础上，利用k-means聚类方法将指数增加型基金按照其配置特征分为两类，考察基金类别间的配置特色与超额收益的相关关系。
A股上市公司治理因子选股研究
紧追投资热点，量化解析金融热点。
项目简介：公司治理水平是业绩变化的先决条件，能及时的捕捉这一指标的变化投资者能及早的对公司发展动向做出预估和判段，它已日益成为机构投资者评价投资决策的中心。
本项目关注对多因子模型至关重要的因子选择部分，利用2010-2017年A股全样本数据，从股权结构、股东权利、管理层激励等多个维度，对公司治理指标进行筛选，构造综合因子，并进行显著性检验，计算多空组合的年化收益，测试公司治理因子的收益和预测能力。
A股不同市场状态下的反转因子择时研究
项目制学习掌握了量化金融关键方法。
项目简介：反转和动量效应被广泛应用在实际投资中，A股市场中，反转因子一直是颇为稳定且有效的alpha因子之一。
本项目利用2009-2017年A股数据，通过对过去20日收益率反转因子的度量，分析多空组合变化情况，以及其在不同市场环境下的表现；并从前期市场的涨跌、市场的非流动性、波动率等方面，总结反转因子的影响因素，建立回归模型进行检验，判断其在统计上是否显著；根据统计结果，构建反转因子择时基本策略。
机器学习项目
基于机器学习的智能医疗护理
掌握数据挖掘&机器学习核心技能。
项目简介：据预测2020年我国60岁以上的老人数量将突破2.43亿，未来每年将净增600万-800万老龄人口。持续增长的老年人口，使得养老产业的发展具有较大的机会和潜力。另外，大力发展养老产业也是国家调整产业结构、刺激消费的重要手段。我们为若干名老人戴上了运动检测器，收集他们的活动数据。
本项目将使用GBDT，随机森林等机器学习的方法对这些运动检测数据进行建模。通过该模型来判断老人们是在走动，坐在椅子上，躺在床上，还是摔倒了。从而智能记录老人的各项行为数据，对一些危险行为提前作出预警。
基于GBDT回归树的PM2.5预测
掌握数据挖掘&机器学习核心技能。
项目简介：雾霾是雾和霾的组合词，是空气污染的一种，而雾霾已然成为民生问题，雾霾隔三差五的“骚扰”城市，让市民叫苦不迭，由于PM2.5可以直接侵入人体会对老人和孩子产生非常大的伤害，如果我们能对PM2.5的值进行预测，那么我们就可以提前做好防范工作。我们以雾霾问题突出的北京为例，基于北京多年的PM2.5数据和当时的环境指标数据。
本项目将通过GBDT，kernel-SVR等机器学习的方法建立回归模型。研究PM2.5的走势，周期性，以及当时的环境指标对PM2.5的影响。以达到预测PM2.5趋势的目的，提前做好防范PM2.5的工作
737
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
