课程大纲
第一天
一、 DOE 介绍及发展
1. DOE 重要性及作用
2. DOE 中常用术语介绍（因子、水平、响应、主效应、交互作用）
3. DOE 分析思路及实施步骤
二、全因子设计
1. 基于 Minitab 生成正交表；2K 因子设计、一般全因子设计及裂区设计
2. 中心点、区组、仿行的意义与实现
3. 基于 Minitab 全因子设计案例介绍；响应优化器优化及预测
三、部分因子设计
1. 为何需要部分因子设计；部分因子设计与全因子设计关系
2. 部分因子设计优点与缺点；
--混淆、分辨度、字长概念
3. 基于 Minitab 进行部分因子设计的案例介绍
第二天
一、离散型响应试验设计
1.什么是离散型响应；二值、名义值、顺序值
2.离散型响应 DOE 与连续型 DOE 区别
3.离散型响应 DOE 分析步骤与思路
4.离散型响应 DOE 案例介绍
二、响应曲面设计
1. 为何需要响应曲面设计；
2. 响应曲面设计与因子设计的关系
3. 序贯设计的实施步骤与分析思路
4. 响应曲面设计名词（轴点、角点、序贯性、旋转性）
5. Box-Behenken 设计
6. 中心复合设计
--中心复合序贯设计
--中心复合表面设计
--中心复合有界设计
7. 最速上升法
--最速上升路径的确定
--基于 Minitab 宏命令设置最优上升区域
8.完整响应曲面设计案例介绍
--基于因子设计判断因子显著性
--利用最速上升法查找最优实验区域
--利用响应曲面设计探测因子最佳取值
三、混料设计
1. 混料设计的概念与使用场景
2. 混料设计的原理及几何思维
3. 几种常见混料设计的实施
--单纯形质心法
--单纯形格点法
--极端顶点法
第三天
基于大数据（机器学习）建模
一、机器学习基础入门
1. 机器学习应用类型及相关术语
2.机器学习与统计学之间的区别
3. 机器学习应用场景及分析模式
4. 机器学习三要素及面临挑战
5. 机器学习数据组织
6. 基于 CART 算法简单案例介绍
二、机器学习分类及模型评估
1. 二元分类法、多项分类
2. 回归分析法
3. Logistics 分析
三、CART 与 TREENET 详解
1. 什么是 CART？
2. CART 分析的原理及算法
3. CART 分析案例介绍
4. CART模型开发步骤
5. TreeNet 介绍：随机梯度提升
6. TreeNet 过程及要点
7. TreeNet 算法原理及高纬度建模核心
培训时间地点
时间：2019年4月24日-4月26日
地点：上海
费用：7500
报名网址：
http://www.sciencesoftware.com.cn/NewChargeTraining.aspx
