机器学习及其matlab实现—从基础到实践(第七期) 机器学习及其matlab实现—从基础到实践(第七期)
所属分类:数据分析
  课程名 : 机器学习及其matlab实现—从基础到实践(第七期)【已结课】 总学费/人 : ¥400 (固定学费:¥100, 逆向学费:¥300) 开课时间 : 2017-01-24 09:00:00 
开课老师 : matlab_geeker


课程简介:

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。

课程大纲

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(mattxtxlscsv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:RBFGRNNPNN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、  ELMBP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、FilterWrapper等)



相关课程资料下载 DataGuru网络课程学习说明
书面作业及互动作业操作说明

 

GMT+8, 2017-7-25 14:48 , Processed in 0.102007 second(s), 27 queries .