UniMate AI

INFS3822

商业分析中的人工智能

6 学分难度

INFS3822 专注于将高级人工智能和机器学习技术应用于解决具体的商业分析问题。课程涵盖了监督学习算法(分类与回归)、集成学习、自然语言处理(NLP)在舆情分析中的应用、以及解释性 AI。学生将学习如何构建端到端的机器学习流程,处理非结构化数据,并探讨如何通过 AI 驱动的自动化分析来提升决策质量。这是一门偏重算法应用的进阶分析课。

Course decision

选课先看

先看考核重心、截止节奏和入门要求,再决定这门课是否适合你的学期安排。

考核总权重

100%

3 项考核

最高单项

45%

Final Exam

期末考试

以官方 outline 为准

Hurdle

未列出

当前考核表没有 Hurdle 标记

Deadline map

考核时间线

按截止周排列作业节点;持续考核会保留在下方完整考核结构中。

Week 8

Predictive Modeling Assignment

35%

解决特定商业预测任务的竞赛式项目

Week 10

Lab Programming Tasks

20%

基于 Python 的 AI 模型实现练习

Week 11

Final Exam

45%

综合理论与应用考试

Syllabus

每周大纲

默认只展示每周独有的知识重点;节奏、考核、Tutorial 和避坑信息按需展开。

  1. 1

    AI 在分析中的作用

    从统计到 ML,商业中的黑盒挑战

  2. 2

    高级回归模型

    正则化回归,非线性关系建模

  3. 3

    分类模型进阶

    随机森林,梯度提升树 (XGBoost) 商业实践

  4. 4

    非结构化数据:文本分析

    情感分析,文本聚类在市场调研中的应用

  5. 5

    神经网络初步

    多层感知机在序列预测中的应用

  6. 6

    灵活性周 (Flex Week)

    无新内容

  7. 7

    可解释 AI (XAI)

    SHAP/LIME 解释商业模型决策

  8. 8

    部署与监控模型

    模型漂移,自动化分析流水线

  9. 9

    AI 驱动的决策优化

    强化学习与推荐系统简介

  10. 10

    复习与前沿趋势

    大模型在商业分析中的潜力

Assessment

考核结构

Lab Programming Tasks

基于 Python 的 AI 模型实现练习

20%

Week 10

Predictive Modeling Assignment

解决特定商业预测任务的竞赛式项目

35%

Week 8

Final Exam

综合理论与应用考试

45%

Week 11

Assignments

作业详情

Modeling Assignment

针对一个大型客户数据集,构建一个高精度的流失预测或欺诈检测模型,并进行模型解释

重点: 特征工程, 模型调优, XAI

要求:需提供完整的 Jupyter Notebook 和性能对比图表

⏱ 预计 40 小时

From Seniors

学长留下的

基础信息谁都查得到,真正值钱的是过来人的经验。

学姐说

比你早一年的学长留下的真实经验 —— ChatGPT 给不了。

这门课还没有学长经验,你可以是第一个 —— 注册后在课内分享。

往年考点 / 踩坑

这门课暂无往年考点记录。

毕业生去向(整体)

下面是匠人学院毕业生整体去过的公司分布(来自脱敏校友证言)。这是全平台的总体去向,不代表选这门课的人一定去这些公司。

统计自 317 份脱敏校友证言

Deloitte

6 位校友

岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer

Zerologix

4 位校友

岗位:Frontend Dev · junior frontend developer · Front-end Developer · Full Stack Developer

Servian

4 位校友

岗位:Full-stack Developer · Data Engineer · Consultant

关于这块数据,我们说实话

雇主墙来自脱敏毕业生证言(testimonials)的整体分布,无法关联到具体学员或其所选课程;仅作为毕业生去向的总体社会证明展示。

我们没有"某位学长选了这门课、后来进了哪家公司"这种可查询的个人去向档案 —— 校友证言是脱敏的,无法关联到具体的人或他选过的课。所以这里只给整体分布,不给个人路径,不编。