MACHINE LEARNING × MANAGEMENT RESEARCH

让方法服务于
一个好问题。

从预测任务出发，理解模型如何学习，再回到管理研究中的测量、证据与解释。一份可以反复查阅、亲手验证的课程知识库。

4 课时核心路径4 组浏览器实验无需登录

四课时，走完一条研究路径

THE LEARNING PATH

定义预测时点、样本与推广对象，建立可信的数据边界。

从一个概率到一次决策，辨认数字背后的评价问题。

观察梯度、优化与过拟合，让模型内部的计算可理解。

从标签回到构念，把测量证据接回管理研究。

提出问题→建立边界→观察模型→回到研究

EXPLORE THE WIKI

从泛化、损失到效度。
用中英文术语快速定位。

模型能说明什么？
研究主张还需要什么？

把员工离职与文本测量，
变成可审查的研究设计。

一条学习建议　先写预测，再改变一个参数，记录结果，最后解释支持什么、还不支持什么。

核心实验均为教学合成或虚构数据。记录保存方式请看各实验提示。了解这份 Wiki