第一部份
1. DOE 介紹及發(fā)展
1. DOE 重要性及作用
2. DOE 中常用術(shù)語介紹（因子、水平、響應、主效應、交互作用）
3. DOE 分析思路及實施步驟
2. 全因子設計
1. 基于 Minitab 生成正交表；2K 因子設計、一般全因子設計及裂區(qū)設計
2. 中心點、區(qū)組、仿行的意義與實現(xiàn)
3. 基于 Minitab 全因子設計案例介紹；響應優(yōu)化器優(yōu)化及預測
3 部分因子設計
1. 為何需要部分因子設計；部分因子設計與全因子設計關(guān)系
2. 部分因子設計優(yōu)點與缺點；
--混淆、分辨度、字長概念
3. 基于 Minitab 進行部分因子設計的案例介紹
第二部份
1 離散型響應試驗設計
1. 什么是離散型響應；二值、名義值、順序值
2. 離散型響應 DOE 與連續(xù)型 DOE 區(qū)別
3. 離散型響應 DOE 分析步驟與思路
4. 離散型響應 DOE 案例介紹
2 響應曲面設計
為何需要響應曲面設計；
響應曲面設計與因子設計的關(guān)系
序貫設計的實施步驟與分析思路
響應曲面設計名詞（軸點、角點、序貫性、旋轉(zhuǎn)性）
5. Box-Behenken 設計
6. 中心復合設計
--中心復合序貫設計
--中心復合表面設計
--中心復合有界設計
7. 速上升法
--速上升路徑的確定
--基于 Minitab 宏命令設置優(yōu)上升區(qū)域
8.完整響應曲面設計案例介紹
--基于因子設計判斷因子顯著性
--利用速上升法查找優(yōu)實驗區(qū)域
--利用響應曲面設計探測因子佳取值
3 混料設計
1. 混料設計的概念與使用場景
2. 混料設計的原理及幾何思維
3. 幾種常見混料設計的實施
--單純形質(zhì)心法
--單純形格點法
--極端頂點法
第三部份
基于大數(shù)據(jù)（機器學習）建模
1 機器學習基礎入門
1. 機器學習應用類型及相關(guān)術(shù)語
2. 機器學習與統(tǒng)計學之間的區(qū)別
3. 機器學習應用場景及分析模式
4. 機器學習三要素及面臨挑戰(zhàn)
5. 機器學習數(shù)據(jù)組織
6. 基于 CART 算法簡單案例介紹
2 機器學習分類及模型評估
1. 二元分類法、多項分類
2. 回歸分析法
3. Logistics 分析
3 CART 與 TREENET 詳解
1. 什么是 CART？
2. CART 分析的原理及算法
3. CART 分析案例介紹
4. CART 模型開發(fā)步驟
5. TreeNet 介紹：隨機梯度提升
6. TreeNet 過程及要點
7. TreeNet 算法原理及高緯度建模核心 |
合作伙伴與授權(quán)機構(gòu)
shuhaipeixun
1299983702
總部李老師
