|
|
全部课程 >人工智能 |
|
机器学习及其 matlab 实现-从基础到实践 |
2091 次浏览 55 次
|
|
|
时间地点: 北京、上海、 深圳根据报名开班 |
课程费用:5700元/人 |
|
|
|
企业内训:可以根据企业需求,定制内训,详见
内训学习手册 |
|
|
认证方式:
培训前了解能力模型。
培训后进行能力评测:
在线考试
能力分析,给出学习建议
合格者颁发证书,作为职业技能资格证明
|
|
|
|
近年来,随着人工智能的发展,机器学习已经广泛应用于各行各业中,如语言识别、文 本分类、智能推荐、网络安全、物联网等。然而,对于绝大部分非数学专业出身的人而言, 谈到机器学习,就会被大量的数学公式吓到退避三舍。实际上,随着计算机与信息技术的快 速发展,越来越多的人仅需要会使用机器学习这一工具即可,无需了解各种机器学习算法的 细枝末节。正如,我们每天都在使用计算机,但是我们不需要了解 CPU 和内存在每一时刻 的具体运行过程。因此,我们推出本课程,旨在帮助学员了解各种常见机器学习算法的原理与思想,同时,以具体案例的形式,引导学员自己动手实践编程。
考虑到众多学员基础不一,本次课程将会分成三大部分:MATLAB 入门基础与提高、机器学习基础和具体案例实践。 |
培训目标: |
通过本次课程的学习,学员们将会:
- 掌握各种常见机器学习算法的原理与思想,
- 学会利用 MATLAB 等编程工具实现各种机器学习算法,并应用到实际的问题和案例中。
- 将从讲师的授课中学习到大量的 MATLAB 编程经验与技巧,可以快速地从 MATLAB 新手编程 MATLAB 达人。
|
培训对象:本课程适用于对 MATLAB 和机器学习感兴趣的学员,包括相关专业的本科生、硕士生与博士生,以及进入职场从事数字信号处理、机器学习与数据挖掘等方向的学员。 |
课程环境 :MATLAB 版本:MATLAB R2014a 操作系统:Windows 7
|
学员基础:本课程适用 于机器学习零基础和 MATLAB 有一定基础的学员。 |
授课方式: 定制课程 + 案例讲解
+ 小组讨论,60%案例讲解,40%实践演练 |
培训内容:3天
|
主题
|
课程安排 |
第一课:MATLAB 入门基础 |
1、简单介绍 MATLAB 的安装、版本历史与编程环境
2、MATLAB 基础操作(包括矩阵操作、逻辑与流程控制、函数与脚本文件、基本绘图等)
3、文件导入(mat、txt、xls、csv 等格式)
|
第二课:MATLAB 进阶与提高 |
1、MATLAB 编程习惯与风格
2、MATLAB 调试技巧
3、向量化编程与内存优化
4、图形对象和句柄
|
第三课:BP 神经网络 |
1.
BP 神经网络的基本原理
2、BP 神经网络的 MATLAB 实现
3、案例实践
4、BP 神经网络参数的优化
|
第四课:RBF、GRNN 和 PNN 神经网络 |
1、RBF 神经网络的基本原理
2、GRNN 神经网络的基本原理
3、PNN 神经网络的基本原理
4、案例实践
|
第五课:竞争神经网络与
SOM 神经网络 |
1、竞争神经网络的基本原理
2、自组织特征映射(SOM)神经网络的基本原理
3、案例实践
|
第六课:支持向量机(Support Vector Machine, SVM) |
1、SVM 分类的基本原理
2、SVM 回归拟合的基本原理
3、SVM 的常见训练算法(分块、SMO、增量学习等)
4、案例实践
|
第七课:极限学习机(Extreme Learning Machine, ELM) |
1、ELM 的基本原理
2、ELM 与 BP 神经网络的区别与联系
3、案例实践
|
第八课:决策树与随机森林
|
1、决策树的基本原理
2、随机森林的基本原理
3、案例实践 |
第九课:遗传算法(Genetic Algorithm, GA) |
1、遗传算法的基本原理
2、常见遗传算法工具箱介绍
3、案例实践 |
第十课:粒子群优化(Particle Swarm Optimization, PSO)算法 |
1、粒子群优化算法的基本原理
2、案例实践 |
第十一课:蚁群算法(Ant Colony Algorithm, ACA) |
1、粒子群优化算法的基本原理
2、案例实践
|
第十二课:模拟退火算法(Simulated Annealing, SA) |
1、模拟退火算法的基本原理
2、案例实践
|
第十三课:降维与特征选择 |
1、主成分分析的基本原理
2、偏最小二乘的基本原理
3、常见的特征选择方法(优化搜索、Filter 和 Wrapper 等)
|
|
|
|
|
|
|
|
|
2091 次浏览 55 次
|
其他人还看了课程 |
|
|
|