智能广告匹配策略设计课程设计

智能广告匹配策略设计课程设计一、教学目标

本课程旨在通过智能广告匹配策略设计的学习，帮助学生掌握广告投放的核心原理和技术方法，培养学生运用数据分析与算法优化解决实际问题的能力。知识目标方面，学生需理解广告匹配的基本概念、常见算法原理以及实时竞价（RTB）机制，掌握用户画像构建、兴趣预测和广告排序等关键知识点，并能联系教材中关于机器学习在广告推荐中的应用案例进行分析。技能目标方面，学生应能运用Python或相关工具进行广告特征工程、模型训练与效果评估，独立设计并实现简单的广告匹配策略，通过模拟实验验证策略有效性，同时能结合教材中算法对比，对比不同策略的优缺点。情感态度价值观目标方面，学生需树立数据驱动决策的意识，培养创新思维，在解决广告投放问题时关注用户隐私与商业伦理，形成科学严谨的探究态度。课程性质属于交叉学科，结合计算机科学与市场营销知识，学生具备高中数学基础和编程入门能力，但对广告投放领域认知有限，需通过案例教学激发兴趣。教学要求强调理论联系实际，以小组合作完成策略设计任务，目标分解为：1）能解释广告匹配流程中各环节的作用；2）能编写代码实现用户兴趣预测；3）能撰写策略评估报告并提出优化方案；4）能在展示环节清晰阐述设计思路。

二、教学内容

本课程围绕智能广告匹配策略设计展开，教学内容紧密围绕教学目标，系统构建知识体系，确保科学性与实践性。教学大纲安排如下，共分为四个模块，总计6课时，每课时45分钟。

**模块一：广告匹配基础理论（1课时）**

教材章节：第3章广告投放基础

内容安排：

1.1广告投放概述

-广告生态链构成：媒介、广告主、平台、消费者等角色及关系

-广告匹配的定义与意义：解释广告与用户需求精准对接的重要性

教材关联：结合教材3.1节内容，分析不同投放场景下的匹配需求差异

1.2用户画像技术

-人口统计学特征：年龄、性别、地域等维度解析

-行为特征：浏览历史、搜索记录、购买行为等数据采集与处理

教材关联：引用教材3.2节用户画像构建流程，对比静态与动态画像差异

1.3兴趣预测方法

-协同过滤原理：基于用户-物品交互矩阵的推荐逻辑

-分类与聚类算法：逻辑回归在兴趣预测中的应用

教材关联：通过教材3.2.2节案例，对比矩阵分解与深度学习的适用场景

**模块二：广告匹配算法详解（2课时）**

教材章节：第4章智能匹配算法

内容安排：

2.1实时竞价（RTB）机制

-市场竞价流程：需求方平台（DSP）与供应方平台（SSP）协作模式

-算法要素：出价策略、预算控制、胜出算法

教材关联：分析教材4.1节中不同竞价模型的收益曲线对比

2.2常见匹配算法

-规则引擎匹配：关键词、类目等硬匹配逻辑

-相似度计算：余弦相似度、Jaccard相似度等文本匹配方法

教材关联：编程实践教材4.2节算法示例，完成商品相似度计算

2.3排序策略优化

-多目标优化：CTR、CVR、ROI的权衡

-混合模型：LambdaMART算法原理与实现

教材关联：结合教材4.3节排序损失函数公式，设计模拟评分系统

**模块三：策略设计与实现（2课时）**

教材章节：第5章策略实践与评估

内容安排：

3.1策略设计流程

-需求分析：确定广告主目标与用户群体

-特征工程：关键指标选取与权重分配

教材关联：引用教材5.1节策略设计模板，完成餐饮行业广告方案

3.2开发环境搭建

-Python基础：Pandas、Scikit-learn库应用

-模拟平台：设计用户行为日志生成器

教材关联：实践教材5.2节特征提取代码，对比不同维度影响

3.3策略验证与迭代

-A/B测试设计：对照组与实验组效果对比

-算法调优：参数敏感性分析

教材关联：通过教材5.3节实验结果，掌握统计显著性检验方法

**模块四：综合应用与展示（1课时）**

教材章节：第6章行业应用与前沿技术

内容安排：

4.1跨场景策略迁移

-移动端与PC端匹配差异：交互行为特征分析

-O2O场景特殊匹配需求：LBS数据应用

教材关联：分析教材6.1节不同场景ROI对比

4.2前沿技术展望

-强化学习在动态调价中的应用

-多模态数据融合：像与视频广告匹配

教材关联：讨论教材6.2节技术路线中的创新点

4.3策略展示与答辩

-PPT制作规范：数据可视化技巧

-互评标准：技术可行性、商业价值双维度评估

教材关联：参考教材附录中的案例展示模板，完成小组作品优化

教学进度安排：

-第1周：模块一+部分模块二

-第2周：模块二后半部分+模块三前半部分

-第3周：模块三后半部分+模块四前半部分

-第4周：模块四后半部分+总结评估

教材配套练习：每章节后配套编程题与策略设计题，完成教材第3-6章习题3、5、7题

三、教学方法

本课程采用多元化教学方法组合，确保知识传授与能力培养的平衡，具体实施策略如下：

**1.讲授法与结构化输入**

针对广告匹配基础理论部分（模块一），采用分层递进的讲授法。首先通过教材3.1节广告生态链示，用15分钟完成宏观概念铺垫；接着结合教材3.2节用户画像案例，用20分钟讲解特征工程步骤，关键点突出数据清洗与维度选择方法。采用"概念-实例-公式"三段式讲解，配合PPT动态展示特征提取流程（教材3.2补充案例），确保理论教学与教材内容紧密对应。对RTB机制等复杂流程，运用思维导工具构建教材4.1节竞价环节的时序模型，强化认知结构化。

**2.案例分析法与问题驱动**

在算法详解模块（模块二），实施"商业场景-技术解构"双线案例教学法。选取教材4.2节电商广告投放案例，设置"如何为新品提升曝光"真实问题。通过小组讨论对比教材中LambdaMART与FTRL算法的适用边界，完成教材表4.3算法性能对比实验。重点分析广告主预算约束下（教材4.3节公式4.5）的动态出价策略，用波士顿咨询矩阵（BCG）工具可视化不同策略的风险收益象限，将抽象算法转化为可感知的商业决策。

**3.实验法与工程化训练**

策略设计模块（模块三）采用"全流程工程化"实验法。基于教材5.2节Python环境配置指南，设计包含特征工程、模型训练、A/B测试全链路的实验平台。使用教材提供的模拟用户日志（附录B），分组完成：1）实现教材4.2.2节余弦相似度算法（代码复现教材例4.3）；2）开发基于教材5.1.1节策略模板的自动调价模块；3）应用教材5.3节统计方法检验实验组CTR提升显著性。通过Git进行版本管理，培养工程实践能力。

**4.互动教学法与协作学习**

模块四采用"展示-互评-迭代"循环互动模式。参照教材6.1节行业案例评分标准，设计评分卡包含技术先进性（30分）、商业价值（40分）等维度。小组完成O2O广告策略方案后，通过H5页面模拟投放效果，其他组使用教材6.2节技术路线作为评审工具进行打分。最后用教材5.4节优化框架指导方案迭代，形成"设计-验证-改进"闭环。

**5.混合式教学法**

采用线上线下混合模式：理论知识点通过腾讯课堂发布微课视频（配套教材3-4节核心内容）；实验任务在实验楼平台完成（复现教材4.2.1节特征工程代码）；行业前沿内容通过B站学术区资源补充（关联教材6.2节技术动态）。形成教材内容（50%）、案例资源（30%）、自主拓展（20%）的三维学习资源矩阵。

四、教学资源

为支持教学内容与多元化教学方法的实施，构建丰富立体的教学资源体系，具体配置如下：

**1.核心教材与配套资源**

-主教材：《智能广告系统设计》（第2版），人民邮电出版社，ISBN978-7-115-5XXX。确保课程内容与教材3-6章知识体系完全覆盖，重点章节配备课后习题解析视频（配套资源编号RST-301至RST-312）。

-教材配套数据集：包含教材附录B的模拟用户日志、实验5.2节特征工程原始数据，以及与教材4.2.2节算法相关的电商商品画像数据集。

**2.多媒体教学资源**

-PPT课件：基于教材表（如3.1节广告生态链、4.3节排序损失函数）开发交互式课件，嵌入教材5.2节Python代码的动态执行环境。

-视频案例库：收录3个行业案例（教材6.1节餐饮、电商、O2O场景），每个案例包含：1）5分钟商业痛点解析（关联教材3.1节场景分析）；2）15分钟技术实现演示（覆盖教材4.2节算法与5.2节工程实践）；3）10分钟效果评估（对照教材5.3节统计方法）。

**3.实验平台与工具**

-云实验环境：使用实验楼平台搭建Python实验环境（配置TensorFlow2.0、Pandas1.3、Scikit-learn0.24），实现教材5.2节特征工程代码的在线调试。

-开发工具包：提供教材配套工具包RSTLib（包含教材4.2.1节相似度计算、5.1.1节策略模板等模块），需安装Anaconda3环境（版本匹配教材第2章配置）。

**4.参考书与行业资源**

-技术参考：《机器学习实战》（周志华版）第4章，用于LambdaMART算法深度解析（补充教材4.2.2节内容）。

-行业报告：提供3份最新广告技术白皮书（2023年腾讯云广告技术趋势报告、字节跳动智能推荐系统架构、阿里达摩院DMP技术演进路线），作为教材6.2节前沿技术的补充阅读材料。

**5.辅助资源**

-在线社区：建立课程专属CSDN圈子，链接教材5.4节优化框架讨论区。

-教学平台：使用超星学习通发布资源，完成教材3-6章的随堂测验（题库关联教材课后习题，难度系数1:1）。所有资源均标注与教材章节的对应关系，形成资源索引表（RST-RS-001）。

五、教学评估

建立多维度、过程性与终结性相结合的评估体系，全面衡量学生对智能广告匹配策略设计的掌握程度，评估方式与教材内容紧密关联，具体设计如下：

**1.平时表现评估（30%）**

-课堂参与（10%）：依据教材3-4章理论讲解环节的提问、讨论记录，结合B站微课视频的随堂测验成绩（覆盖教材3.1-3.2节基础概念），采用教材配套评分表（附录A）进行量化评价。

-案例分析报告（20%）：分组完成教材4.2节电商场景的算法选型报告，需包含：1）教材5.1节策略设计模板要求的商业目标分解；2）基于教材4.3节排序损失函数的算法对比论证；3）引用教材4.2案例的数据支撑。报告需提交Word版（格式要求参照教材第1章范例）和PPT版，按教材6.1节评分标准打分。

**2.作业评估（30%）**

-编程作业（15%）：完成教材5.2节特征工程代码复现（要求提交Git提交记录截），并扩展实现教材4.2.2节余弦相似度算法的批处理优化。使用教材配套评分表（RST-RS-002）评估代码正确性（60%）与注释规范性（40%）。

-策略设计作业（15%）：基于教材5.3节A/B测试框架，设计某APP开屏广告的投放策略优化方案。需包含：1）教材4.2.1节用户画像的二次开发；2）参照教材表4.3制定实验分组方案；3）用教材5.3.1节公式计算预期ROI。作业需提交PDF文档（模板参考教材第1章封面格式），按教材6.1节评分标准打分。

**3.终结性评估（40%）**

-期末考试（闭卷，100分钟）：试卷结构：

①基础题（30%）：覆盖教材3.1-3.2节单选题（10题×2分）、教材4.2.1-4.2.2节填空题（5题×3分）。

②应用题（35%）：1）基于教材4.3节场景，设计广告排序函数（20分）；2）参照教材5.2节案例，扩展特征工程代码（15分）。

③综合题（35%）：给出教材6.1节O2O场景，要求：1）完成教材5.1节策略模板的填写（10分）；2）设计包含教材5.3节统计方法的评估方案（25分）。

-考试评分：基础题使用教材配套答案库（ANS-001）批改，应用题和综合题参照教材第6章案例评分标准，采用百分制计分。

**4.评估反馈机制**

所有评估结果均通过超星学习通平台发布，每次作业批改后提供教材对应章节的改进建议（如"教材5.2节特征工程可增加PolynomialFeatures处理交互特征"），期末考试后发布教材6.1节案例的完整答案与评分细则。

六、教学安排

本课程总学时为6课时，每课时45分钟，教学安排紧凑覆盖所有模块内容，具体安排如下：

**1.时间分配**

-第1课时：模块一+模块二前半部分

-第2课时：模块二后半部分+模块三前半部分

-第3课时：模块三后半部分+模块四前半部分

-第4-5课时：分组实验阶段（模块三实验+模块四实验），采用双班并行教学（A班下午2-4节，B班下午4-6节），使用实验楼平台进行远程实验指导

-第6课时：小组展示与总结评估

**2.教学进度表**

|周次|课时|教学内容|教材章节|教学方法|备注|

|------|------|------------------------|------------|----------------|--------------------------|

|1|1|广告匹配基础理论|第3章|讲授+案例|结合教材3.1-3.2节案例|

|1|2|算法详解（RTB）|第4章|讲授+讨论|引用教材4.1节竞价流程|

|2|1|算法详解（匹配算法）|第4章|案例分析|教材4.2节算法对比|

|2|2|策略设计流程+实验准备|第5章|实验法+分组|完成教材5.1-5.2节预习|

|3|1|策略实现+验证方法|第5章|实验法+互动|教材5.3节统计方法应用|

|3|2|前沿技术与展示准备|第6章|讲授+展示|教材6.1-6.2节案例研讨|

|4-5|4|分组实验（双班并行）|第5章|实验法+指导|完成教材5.2-5.3节实验|

|6|2|小组展示与总结评估|全书|展示+互评|参照教材6.1节评分标准|

**3.场地安排**

-理论授课：教学楼A栋301教室，配备电子白板（显示教材配套PPT）、实物投影仪（展示教材4.2案例）。

-实验环节：实验楼云平台（账号分配见教材第2章附录），实验设备为配备Anaconda3环境的云服务器。

**4.学生实际情况考虑**

-兼顾作息：理论课安排在上午第1-2节，符合学生认知规律。

-兴趣导向：展示环节设置"行业创新应用"加分项（教材6.2节前沿技术关联），激发学生拓展学习。

-实际需求：实验任务使用教材配套数据集（附录B），避免外采数据带来的隐私风险，符合教材4.3节用户隐私保护要求。

七、差异化教学

针对学生间存在的学习风格、兴趣特长和能力水平差异，实施分层分类的差异化教学策略，确保所有学生都能在智能广告匹配策略设计课程中获得发展。

**1.分层教学设计**

-基础层（40%学生）：侧重教材3-4章核心概念掌握。通过教材配套微课（RST-RS-001）进行预习，课堂采用教材3.1节广告生态链示进行直观教学，作业以教材3.2节案例分析题为主，期末考试基础题占比60%。

-进阶层（40%学生）：深入教材5-6章策略设计与前沿技术。实验环节要求完成教材5.2节特征工程代码复现（需使用RSTLib工具包），并扩展实现教材4.2.2节算法的批处理优化，小组展示需包含教材6.1节评分标准要求的商业价值论证。

-拔尖层（20%学生）：拓展教材6.2节前沿技术内容。要求完成：1）基于TensorFlow实现教材5.3节统计方法的自动化评估脚本；2）撰写包含教材6.2技术路线比较的深度分析报告；3）在实验楼平台提交创新实验方案（如结合多模态数据的广告匹配）。

**2.学习风格适配**

-视觉型：提供教材配套PPT（含动画效果）、实验操作录屏（覆盖教材5.2节代码执行过程），设计教材4.2的动态算法演示。

-听觉型：录制教材4.3节排序损失函数推导的音频讲解，课堂采用"概念-案例"双通道讲授法。

-动手型：实验环节设置"代码优化"加分项（如教材5.2节特征工程效率提升），采用"问题驱动"式实验任务。

**3.评估方式差异化**

-平时表现：基础层侧重课堂提问参与度（教材3.1节概念理解），拔尖层增加技术论坛发帖要求（教材6.2节技术讨论区）。

-作业设计：基础层提供教材配套习题（难度系数0.8），进阶层完成教材课后习题，拔尖层设计开放性实验（如教材5.4节优化框架的二次开发）。

-考试命题：基础题覆盖教材3-4章客观题（占比70%），进阶层增加教材5-6章计算题（占比40%），拔尖层设置教材4.2.2-4.3节算法设计题（占比30%）。

**4.教学资源差异化配置**

-基础层：提供教材配套资源包（含教材3.1-3.2节PPT、微课视频、配套习题答案）。

-进阶层：增加《机器学习实战》（周志华版）第4章作为拓展阅读，提供教材5.2节实验数据集。

-拔尖层：开放实验楼平台高级权限（可修改实验环境配置），提供行业白皮书全文（教材6.2节补充阅读）。

八、教学反思和调整

教学反思贯穿课程实施全过程，通过多维度评估与反馈机制，动态优化教学策略，确保教学目标达成。

**1.反思周期与内容**

-课时反思：每次授课后，教师记录教材对应章节（如4.2节算法讲解）的教学效果，分析学生课堂提问（特别是针对教材5.1节策略模板的疑问）反映出的问题，调整下次课的案例选择（如替换教材6.1节电商场景为O2O场景）。

-单元反思：完成模块二算法详解后，对比教材4.2-4.3节案例的评估结果，分析LambdaMART与FTRL算法选型讨论（教材4.3节内容）的深度是否达标，检查实验作业（教材5.2节代码复现）中教材4.2算法实现错误率。

-综合反思：课程结束后，参照教材附录B数据集的实验结果，评估教材5.3节统计方法应用的准确性，分析小组展示（教材6.1节评分标准）中技术实现与商业价值论证的平衡性。

**2.反馈机制**

-学生反馈：通过超星学习通收集教材配套测验（RST-RS-001）的错题分布，重点分析教材3.1-3.2节概念理解薄弱点；教材5.4节优化框架的匿名评价，了解学生对实验难度（教材5.2节代码复杂度）的感知。

-同行评议：邀请其他教师观摩教材4.3节排序损失函数的推导讲解，对比教学设计（如是否有效利用教材4.2）与实际效果。

**3.调整措施**

-内容调整：若教材5.2节特征工程实验难度过大，补充教材4.2.1节基础案例的代码讲解视频；发现教材6.1节评分标准认知不足，增加教材6.2节行业案例的互评环节。

-方法调整：针对教材4.2节算法对比讨论参与度低的问题，改为分组竞赛形式（如完成教材表4.3算法性能对比）；发现教材5.3节统计方法掌握不牢，增加课后教材配套习题（难度系数0.8）的讲解时长。

-资源调整：根据教材附录B数据集的实验结果，更新教材5.2节特征工程数据集；收集教材6.2节前沿技术白皮书后，补充实验楼平台的实验环境配置（如增加TensorFlow版本）。

所有调整均记录在案，形成教材配套的教师教学日志（RST-TE-001），作为后续课程迭代（如教材第3版修订）的依据。

九、教学创新

本课程探索多种教学创新手段，融合现代科技提升教学吸引力与互动性，增强学习体验。

**1.沉浸式案例教学**

利用虚拟现实（VR）技术模拟广告投放全流程。基于教材3.1节广告生态链构建虚拟场景，学生扮演DSP、SSP、广告主等多方角色。通过VR设备（如OculusQuest）观察教材4.1节RTB竞价实时过程，互动操作教材5.2节特征工程代码的参数调整，直观感受教材5.3节A/B测试的分组效果。该创新覆盖教材3-5章核心内容，将抽象概念具象化。

**2.辅助教学**

开发智能教学助手"AdCoach"，集成教材知识点谱（覆盖3-6章）。学生可通过语音（如询问"教材4.2.2节余弦相似度如何处理缺失值？")获取个性化解答，助手根据教材5.1节策略模板自动生成学习路径。结合教材6.1节评分标准，提供实验作业的智能批改建议（如代码效率提升方案、模型调优方向），将教材附录B的日志数据转化为可视化分析报告。

**3.游戏化学习机制**

设计"智能投放大作战"游戏，将教材5.4节优化框架转化为关卡任务。学生完成教材3.2节用户画像构建（初级关卡）、教材4.2节算法选型（中级关卡）后，解锁教材6.2节前沿技术拓展（高级关卡）。游戏积分与超星学习通平台教材配套测验成绩挂钩，设置教材6.1节行业案例的排行榜，激发竞争意识。

**4.产业界前沿同步**

建立"广告技术前沿"直播通道，每月邀请教材6.2节提及的科技公司（如腾讯云、阿里达摩院）工程师进行1小时直播分享。直播内容包含实际项目中（关联教材4.3节场景）的算法选型经验、教材5.2节特征工程难点解决方法，并开放教材配套案例的实时问答，将课堂学习延伸至产业一线。

所有创新活动均记录在超星学习通平台的课程档案（档案编号RST-IN-001），并收集学生反馈（通过教材配套问卷ANS-003），用于持续优化教学设计。

十、跨学科整合

本课程打破学科壁垒，促进计算机科学、市场营销、统计学等多学科知识交叉应用，培养复合型广告科技人才，具体整合策略如下：

**1.计算机科学与市场营销融合**

在教材3.1节广告生态链教学中，引入市场营销"STP理论"（市场细分Segmentation、目标市场Targeting、市场定位Positioning），分析教材4.1节RTB机制如何实现精准用户触达。实验环节要求学生基于教材5.1节策略模板，结合教材第2章市场营销学案例（如波士顿咨询矩阵），完成广告主需求（教材4.3节场景）的策略设计。小组成果需同时满足教材5.2节代码规范和教材6.1节商业价值要求。

**2.统计学与机器学习结合**

强化教材3.2节用户画像中的统计学应用。要求学生使用教材5.3节统计方法（如教材表5.3中的t检验、ANOVA）分析实验数据（基于教材附录B），并对比教材4.2.2节算法的统计显著性差异。引入教材第5章统计学教材《现代数据分析》（补充阅读），讲解教材5.2节特征工程中的正态性检验、相关系数分析等统计方法。

**3.经济学原理渗透**

在教材4.1节RTB机制教学中，引入教材第3章经济学原理中的"拍卖理论"，分析教材4.3节不同竞价模型（如Vickrey拍卖）的经济效率。讨论教材6.1节广告效果评估中的"机会成本"概念，要求学生在策略设计时（教材5.4节框架）考虑预算约束下的资源最优配置。

**4.设计思维训练**

结合教材第4章设计思维，在策略设计实验（教材5.2-5.3节）中引入"用户旅程地"设计环节。要求学生基于教材3.2节用户画像，绘制用户从触达到购买的完整路径，识别教材4.2节算法应用的关键节点，将教材5.1节策略模板转化为可执行的设计方案。成果提交包含用户旅程（参照教材第1章设计范例）和对应算法设计文档。

**5.跨学科资源整合**

建立"跨学科知识谱"资源库，链接教材3-6章内容与：1）市场营销教材《营销管理》（科特勒版）第2章市场研究；2）统计学教材《概率论与数理统计》（浙江大学版）第9章假设检验；3）计算机教材《数据结构与算法分析》（马克·艾伦·韦斯版）第4章算法。每个知识点均标注教材章节对应关系（如"教材4.2.2节可参考《数据结构与算法分析》P112-115关于的遍历算法"）。

通过跨学科整合，学生完成教材5.4节优化框架时，能综合运用教材3章经济学原理制定调价策略，结合教材4章设计思维优化用户体验，将教材5-6章算法能力转化为解决实际商业问题的综合能力，实现学科素养的全面发展。

十一、社会实践和应用

本课程通过模拟真实商业场景和社会实践活动，强化学生将理论知识应用于解决实际问题的能力，培养创新思维与实践技能。

**1.模拟商业项目实践**

设计"校园广告联盟"虚拟项目（关联教材3-4章知识）。学生组成4-5人小组，模拟成立校园广告代理公司，承接教材第2章市场营销案例中的小型广告投放业务（如校园文化节推广）。要求：

-基于教材3.2节用户画像方法，分析教材附录C模拟的校园用户日志（包含地理位置、兴趣标签等），完成目标用户群体定位。

-运用教材4.2节算法原理，设计包含关键词、类目、相似度计算的广告匹配策略，需提交教材5.1节策略设计文档。

-模拟教材4.1节RTB环境，使用Python编写简单的竞价算法（参考教材4.3节公式），完成广告主预算（设定为教材5.3节示例中的5000元）的投放计划。

-基于教材5.3节统计方法，设计A/B测试方案评估不同策略效果，提交包含教材表5.3数据分析的实验报告。

**2.行业专家实践指导**

邀请教材第6章提及的科技公司算法工程师（如阿里达摩院）开展"实践工作坊"。工作坊内容：

-分享教材6.2节前沿技术（如多模态广告匹配）在腾讯云广告平台（关联教材4.1节生态链）的实际应用案例。

-指导学生使用教材配套工具包RSTLib，基于真实广告日志（脱敏处理，见教材第2章附录说明）进行特征工程实践。

-圆桌讨论，针对学生提交的教材5.4节优化方案进行点评，提供行业一线