JHU科研课题:基于数据挖掘的网络购物经济学分析

描述

JHU科研课题

基于数据挖掘的网络购物经济学分析

课题简介

数据挖掘(Data Mining)是计算机学的一个跨学科分支,一般是指用户通过自动或半自动的分析大量数据,做出归纳性的推理,最终提取出过去未知且具有价值的潜在信息的过程。近年来,数据挖掘已经成为人工智能和数据库领域的研究热点,并被越来越多地应用于市场营销、客户群体划分、企业危机管理等商业领域。

网购平台中的商家经常开展各种促销活动,刺激消费者的购买欲,这加剧了网购平台上商品价格的波动性。但实际上,商家经常会使用提价后再打折、绑定销售低性价比商品等手段,确保营业额最大化。这种信息不对称造成大多数消费者难以在短时间内,思考出性价比最高的购买计划,在实际付费后,经常后悔不已。

本课题会利用爬虫等技术,获取不同网购平台上的各种商品的历史价格数据,并指导学生基于此,构建数学模型。通过数据挖掘和深度学习等手段,学生可以对数据进行量化分析,为消费者提供最优购买策略。同时,学生也可以在对消费者的网购行为进行分析后,给予商家关于促销时间、促销产品、促销方式的建议,帮助网购平台最大化经济效益。

科研方法

AI+X数据驱动型科研

使用人工智能(AI)算法,收集、处理、分析具体学科(X)的海量数据,并基于此进行预测,从而获得科学发现的研究方法。与传统的、基于实验或逻辑推理的研究方式相比,AI+X数据驱动型科研可以借助AI算法强大的运算能力,高效地进行大数据分析,具有投入产出比高、适用范围广的优点。

AI+X数据驱动型科研已被广泛地应用于各个领域,利用AI算法研究基因数据,从而进行早期的癌症筛查便是其中一例。基因组与癌症病患的数据千千万万,使用传统的科研方式对其进行分析,工程量大、过程繁琐,在客观上难以实现。

但借助AI算法这一便捷的工具,生命科学家便能够以海量的患者的遗传信息为基础,建立数据库,与过往的研究成果进行对照,快速、准确地在两者中发现规律、建立联系,从而使癌症诊断的“标准化”成为可能。


授课导师

约翰霍普金斯大学健康科学信息学博士
1、约翰霍普金斯大学健康科学信息学博士;
2、清华大学生物医学工程学硕士,大数据能力提升项目参与者;
3、曾在Analytical Methods、Analytical Chemistry多篇SCI、EI期刊上以第一作者身份发表文章,参与过创新光学健康科学国际会议等多个学术会议;
4、研究方向涉及电子健康档案、健康监测和管理系统、预测建模等多个领域。

课题要求

本课题适合: 9-12 年级学生,有较强的逻辑思维和抽象思维能力:

英文:
1、具备基本的学术英语阅读能力;
2、接触过英文写作,有论文写作经验者更佳;

 

数学:
了解基础的微积分知识,包括:极限、微分、积分,有一定的偏微分知识者更佳;

 

经济学:
对经济学有一定兴趣,愿意学习本科水平的相关知识。

咨询请添加顾问老师

翰林国际课程咨询二维码