國外小組科研—菁英項目：密集項目：公共衛(wèi)生與統(tǒng)計專題：基于人口生育、傳染病、健康營養(yǎng)等多維度的數據分析與時間序列預測模型研究【高中組】

開始日期：

2023年7月4日

專業(yè)方向：

計算機與人工智能,理工

導師：

Peter（麻省理工學院 (MIT) 終身教職）

課程周期：

4周在線小組科研學習+2周不限時論文指導學習

語言：

英文

建議學生年級：

高中生

項目產出：

4周在線小組科研學習+2周不限時論文指導學習 共125課時 項目報告 優(yōu)秀學員獲主導師Reference Letter EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導（可用于申請） 結業(yè)證書 成績單

項目介紹：

本課程將重點介紹時間序列分析的基本方法和模型及其在衛(wèi)生醫(yī)療健康數據分析中的應用。本課程將融合計算機編程的R語言輔助時間序列模型在衛(wèi)生健康數據中的處理分析。目前，主流生物統(tǒng)計數據分析往往會以圖形方法來進行呈現，這些可視化方法被用于大數據探索、分析模型的有效性驗證和數據預測結果的展現。在本課程中，導師開發(fā)并應用了趨勢和季節(jié)性的重要時間序列模型，包括經典分解和多級指數平滑模型。同時導師將利用真實世界的時間序列數據（包括美國聯(lián)邦儲備局、世界銀行和政府機構公衛(wèi)數據）對本課程中涵蓋的統(tǒng)計概率方法進行分析和實踐應用。 Introduction to fundamental methods and models of time series analysis with applications in economics, finance, and public health. The course uses R to forecast time series. Graphical methods are emphasized for data exploration, analyzing the validity of models, and presenting forecast results. Important models of trend and seasonality are developed and applied, including classical decompositions and multi-stage exponential smoothing. Real-world time series data are collected from the internet and analyzed with the methods covered in the course.