课程主页: https://www.coursera.org/learn/machine-learning-for-supply-chain-fundamentals
本课程名为《供应链机器学习基础》，旨在教导学员如何利用 Python 的强大功能，理解复杂的供应链数据集。无论学员是否熟悉供应链的基本概念，课程中将使用丰富的数据集作为背景，帮助学员学习几种 Python 工具和探索性数据分析（EDA）的最佳实践。虽然所有数据集均针对供应链专业人士，但课程内容可轻松迁移至其他用例。
课程大纲包括：
1. **编程概念与 Python 实践入门**：学习编程的基本概念以及 Python 的基础知识，包括数据结构、函数和循环的使用，以及如何导入模块和库。通过线性优化技术解决供应约束问题，将新技能付诸实践。
2. **深入数据：数据科学的常用工具**：学习 Python 和 Numpy 的使用，掌握数据描述和清洗技术，了解如何使用数据框架（DataFrame）中的索引和列，以及数据可视化的基本概念。
3. **更高级的数据整理与处理**：利用 Pandas 和 Numpy 的高级技能，学习如何合并和重塑数据，进行数据预处理以准备机器学习算法的实施，并掌握 Groupby-Apply-Transform 的重要功能。
4. **课程终极项目**：通过一系列仓储能力、产品需求和运输费用的数据集，优化产品生产和运输的成本。
总而言之，这门课程非常适合希望深入了解供应链管理与数据科学结合的学员。在提升编程技能的同时，也能对实际问题进行分析与解决，具备良好的实用性与广泛的适用性。
课程主页: https://www.coursera.org/learn/machine-learning-for-supply-chain-fundamentals