求知 文章 文库 Lib 视频 Code iProcess 课程 认证 咨询 工具 火云堂 讲座吧   成长之路  
会员   
 
 
 
全部课程 | 技术学院 | 管理学院 | 嵌入式学院 | 在线学院  
成功案例   品质保证  电话 English
追随技术信仰

随时听讲座
每天看新闻
 
   
成功案例
某金融公 Mysql集群与性
知名某信 NoSQL缓存数据
财政部唯 大数据分析专题-R
神龙汽车 大数据技术平台-H
中国电信 大数据时代与现代企
某知名银 大数据分析专题-R
IGT 数据分析与挖掘

相关课程  
并发、大容量、高性能数据库
高级数据库架构设计师
Hadoop原理与实践
HBase原理与高级应用
Oracle 数据仓库
数据仓库和数据挖掘
Oracle数据库开发与管理
 
全部课程 >人工智能  
机器学习及其 matlab 实现-从基础到实践
32 次浏览  2 次
Stove
先后任国内两大 MATLAB 论坛 的版主,具备十余年的 MATLAB 编程开发经验.
 
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

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)
 
32 次浏览  2 次
其他人还看了课程
机器学习理论与实战  1374 次浏览
机器学习(深度学习)算法和应用   555 次浏览
人工智能,机器学习和深度学习  14501 次浏览
图像处理算法方法与实践  15 次浏览
机器学习和深度学习应用实践指导  40 次浏览
机器学习系统实践  32 次浏览
定制内训



最新活动计划
[北京]需求分析最佳实践 10-11
[北京]HTML5与前端框架高级实战 10-18
[北京]人工智能机器和深度学习 10-22
[北京]配置管理与持续集成实践 10-26
[北京]Oracle数据库性能优化实践 10-29
[北京]产品经理与产品管理 11-1
[上海]程序性能提升与优化 11-2
[上海]产品需求分析与管理 11-4
[深圳]深度学习&Tensorflow框架 10-25
[深圳]嵌入式软件架构高级实践 11-3
[深圳]数据仓库多维建模方法与应用 11-24
 
 
 

 
每天2个文档/视频
扫描微信二维码订阅
订阅技术月刊
获得每月300个技术资源
 
希望我们的资料可以帮助你学习,也欢迎投稿&提建议给我
频道编辑:sky
邮       件:sky@uml.net.cn

关于我们 | 联系我们 | 京ICP备10020922号 京公海网安备110108001071号