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、离散型々响应试验设计
1.什么是离散卐型响应；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
--利用最速上升々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ㄨ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
