数据科学“内战”：统计VS机器学习

• 主讲人：  唐亘
• 猛犸反欺诈  数据科学家
• 数据科学家，《精通数据科学：从线性回归到深度学习》一书作者。复旦大学的数学和计算机双学士；巴黎综合理工的金融硕士学位；法国国立统计与经济管理学校的数据科学硕士学位。曾参与经合组织（OECD）的研究项目并发表论文，并担任英国在线出版社Packt的技术审稿人。
• 讲座概要：
• 在数据科学领域，统计学和机器学习是其最重要的组成部分。这两门学科的侧重 点并不相同，在很多方面它们是彼此很好的补充。在面对一个实际问题时，若能将两者的方法相结合，能更好地挖掘数据的内在规律，从而更大程度地发挥数据的价值。 
• 一方面，本讲座将借鉴统计（或者更准确地说，计量经济学）的方法，深入探讨模型应用中常常被人们（特别是机器学习专业人员）忽略的问题，如模型是否稳定、模型结果是否可靠等；另一方面，本讲座将根据线性到非线性的思路，展示如何从统计模型中一步步“进化”出机器学习模型，帮助大家更好地理解复杂的机器学习模型。
• 讲座提纲
• a. 数据科学的目标与挑战
• b. 数据模型和算法模型
• c. 从线性到非线性
• d. 从逻辑回归到神经网络 
• 视频链接戳→数据科学“内战”：统计vs机器学习