求知 文章 文库 Lib 视频 iPerson 课程 认证 咨询 工具 讲座 Model Center   Code  
会员   
 
 
 
开班计划 | 技术学院 | 管理学院 | 嵌入式学院 | 机械 | 军工学院 | 定向培养 | 专家指导 | 角色培养  
 电话 English
成功案例   品质保证
成功案例
中航信 数据湖架构原理与应
某医疗磁 数据采集与处理
某科技公 大数据(Hadoo
诺基亚 Python基础
天津电子 Elasticse
中国电信 数据仓库与数据挖掘
某航天科 MySQL性能优化

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
2091 次浏览  55 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
报公开课  
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
    机器学习与大数据的应用结合  4433 次浏览
    基于R的影响预测模型建立实战  2318 次浏览
    大数据时代人工智能应用与价值创新  354 次浏览
    基于AI和大数据的知识图谱培训  4021 次浏览
    人工智能-图像处理和识别  2662 次浏览
    Python数据分析、机器学习与人工智能  3306 次浏览
    定制内训


    最新活动计划
    QT应用开发 11-21[线上]
    C++高级编程 11-27[北京]
    LLM大模型应用与项目构建 12-26[特惠]
    UML和EA进行系统分析设计 12-20[线上]
    数据建模方法与工具 12-3[北京]
    SysML建模专家 1-16[北京]