Matlab机器学习与深度学习 课程

mr.liu156249181

     关于“MATLAB机器学习与深度学习”实践会议       

各企事业单位、高等院校及科研院所：

Matlab是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，深得近红外光谱科研工作者的偏爱和广泛使用，MATLAB具有以下几个特点：易学、适用范围广、功能强、开放性强、网络资源丰富。由于MATLAB的强大功能，它能使使用者从繁重的计算工作中解脱出来，把精力集中于研究、设计以及基本理论的理解上，所以MATLAB已成为大学及科研单位所热衷的基本数学软件。但是在实践过程中，尤其是近几年人工智能算法发展迅速，不少研究人员在使用Matlab时遇到各类问题。

北京盛世元鸿职业技能教培中心（www.shengshiyuanhong.com.cn）特邀研发领域一线专家共同举办此次“MATLAB机器学习与深度学习”会议。将使用腾讯会议方式与各界人士进行教学交流！

一、会议优势：

1.会议全程录播，一机一码，可后期回看        2.内容不定期更新，后期免费参加

3.配备 PPT、电子版教材        4.免费提供后期技术指导

5.建立微信群方便交流

二、时间地点

2022年7月15日—2022年7月17日     线上会议：腾讯会议直播

三、主讲专家

于教授，硕士生导师。主要从事图像处理、机器学习、信号处理与数据挖掘、健康医疗大数据领域的教学与研究工作。主持参与多项相关重点项目研发及基金项目，拥有丰富的科研及工程技术经验、资深的技术底蕴和专业背景。且精通多种编程工具，如 MATLAB、Python、 C++、C#、VB、Java、Qt 等，发表多篇高水平的国际学术研究论文并主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》相关著作。

四、会议目标

1、课程定位为线上直播形式，基于代码和案例，边讲解边实践操作。

2、通过本课程的学习，能够使学员熟练掌握MATLAB软件原理、技巧及方法。

3、具备使用MATLAB软件解决工作和学习中相关问题的能力。

4、以丰富的案例分析讲解机器学习领域神经网络、决策树、支持向量机、图像处理和遗传算法等内容。

五、参会对象

全国从事MATLAB、机器学习、深度学习、大数据、算法开发、工程计算、控制设计、医疗卫生、信号处理与通讯、图像处理、信号检测、金融建模设计与分析、语音识别、自然语言处理、人脸识别、目标检测、无人驾驶、推荐系统、社交网络、计算机视觉、智能机器人等领域的老师、研究生、本科生、工程师及有志于MATLAB、机器学习、深度学习研究的从业者。

课 程 大 纲

时间	课程章节	主要内容
Day 1 9:00–10:30	第一章MATLAB 基础编 程串讲	1、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 2、文件导入：mat、txt、xls、csv、jpg、wav、avi 等格式 3、MATLAB 编程习惯、编程风格与调试技巧 4、MATLAB 数字图像处理入门 5、案例讲解：基于手机摄像头的心率计算 6、实操练习
Day 1 10:30-12:00	第二章  BP神经网络	1、人工智能基本概念辨析（回归拟合问题与分类识别问题；有监督（导师）学习与无监督（无导师）学习；训练集、验证集与测试集；过拟合 与欠拟合） 2、BP 神经网络的工作原理 3、数据预处理（归一化、异常值剔除、数据扩增技术等） 4、交叉验证与模型参数优化 5、模型评价与指标的选择（回归拟合问题 vs. 分类识别问题） 6、案例讲解：（1）手写数字识别 （2） 人脸朝向识别 （3） 回归拟合预测 7、实操练习
Day 1 14:30-16:00	第三章  支持向量机、决策树与随机森林	1. 支持向量机的基本原理（支持向量的本质、核函数的意义、新启示等） 2. 决策树的基本原理（微软小冰读心术的启示；什么是信息熵和信息增 益？ID3 算法和 C4.5 算法的区别与联系） 3. 随机森林的基本原理（为什么需要随机森林算法？广义与狭义意义下  的“随机森林”分别指的是什么？“随机”提现在哪些地方？随机森林 的本质是什么？） 4. 知识扩展：支持向量机、决策树除了建模型之外，还可以帮我们做什 么事情？怎样解读随机森林的结果？ 5. 案例讲解：（1）鸢尾花 Iris 分类识别  （SVM、决策树） （2）基于随机森林的乳腺癌良性/恶性肿瘤智能诊断模型 6. 实操练习
Day 1 16:00-17:30	第四章  变量降维与特征选择	1. 变量降维(Dimension reduction)与特征选择(Feature selection) 在概念上的区别与联系 2. 主成分分析（PCA）的基本原理 3. 偏最小二乘法（PLS）的基本原理 4. PCA 与 PLS 的代码实现 5. PCA 的启发：训练集与测试集划分合理性的判断 6. 经典特征选择方法 （1） 前向选择法与后向选择法 （2） 无信息变量消除法 （3） 基于二进制遗传算法的特征选择

Day 2 9:00-12:00	第五章   卷积神经网络	1、深度学习与传统机器学习的区别与联系（神经网络的隐含层数越多越 好吗？深度学习与传统机器学习的本质区别是什么？） 2、卷积神经网络的基本原理（什么是卷积核？CNN 的典型拓扑结构是怎 样的？CNN 的权值共享机制是什么？CNN 提取的特征是怎样的？） 3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet 等经典深度神经 网络的区别与联系 4、MATLAB 深度学习工具箱简介 5、deepNetworkDesigner 交互式设计工具演示 6、预训练模型（Alexnet、Vgg-16/19、GoogLeNet、ResNet 等）的下载 与安装 7、案例讲解：   （1） CNN 预训练模型实现物体识别 （2） 利用卷积神经网络抽取抽象特征 （3） 自定义卷积神经网络拓扑结构 （4）1D CNN 模型解决回归拟合预测问题8、实操练习
Day 2 14:30-15:30	第六章  网络优化与调参技巧	1、网络拓扑结构优化 2、优化算法（梯度下降、随机梯度下降、小批量随机梯度下降、动量法、Adam 等） 3、调参技巧（参数初始化、数据预处理、数据扩增、批量归一化、超参 数优化、网络正则化等） 4、案例讲解：卷积神经网络模型优化 5、实操练习
Day 2 15:30-16:30	第七章   迁移学习算法	1、迁移学习算法的基本原理（为什么需要迁移学习？为什么可以迁移学 习？迁移学习的基本思想是什么？） 2、基于深度神经网络模型的迁移学习算法 3、案例讲解：猫狗大战（Dogs vs. Cats） 4、实操练习
Day 2 16:30-17:30	第八章 循环神经网络与长短时记忆神经网络	1. 循环神经网络（RNN）的基本原理 2. 长短时记忆神经网络（LSTM）的基本原理 3. RNN 与 LSTM  的区别与联系4. 案例讲解： 1） 时间序列预测 2） 序列-序列分类 5. 实操练习
Day 3 9:00-10:00	第九章 时间卷积网络(Temporal Convolutional Network, TCN）	1. 时间卷积网络（ TCN）的基本理 2. TCN 与 1D CNN、LSTM 的区别与联系 3. 案例讲解： 1） 时间序列预测：新冠肺炎疫情预测 2） 序列-序列分类：人体动作识别 4. 实操练习
Day 3 10:00-11:00	第十章  基于深度学习的视频分类案例实战	1、基于深度学习的视频分类基本原理 2、读取视频流文件并抽取图像帧 3、利用预训练 CNN 模型提取指定层的特征图 4、自定义构建 LSTM 神经网络模型 5、案例讲解：HMDB51 数据集视频分类 6、实操练习

Day 3 11:00-12:00	第十一章 生成式对抗网络（GAN）	1、生成式对抗网络 GAN（什么是对抗生成网络？为什么需要对抗生成网 络？对抗生成网络可以帮我们做什么？GAN 给我们带来的启示） 2、GAN 的基本原理及 GAN 进化史 3、案例讲解：GAN 的 MATLAB 代码实现（向日葵花图像的自动生成） 4、实操练习
Day 3 14:30-16:00	第十二章  目标检测 YOLO 模型	1、什么是目标检测？目标检测与目标识别的区别与联系 2、YOLO 模型的工作原理 3、从 YOLO v1 到 v5 的进化之路 4、案例讲解： (1)使用预训练模型实现图像、视频等实时目标检测(2)训练自己的数据集：新冠疫情佩戴口罩识别 5、实操练习
Day 3 16:00-17:00	第十三章U-Net 模型	1、自编码器的组成及基本工作原理 2、自编码器的变种（栈式自编码器、稀疏自编码器、去噪自编码器、卷 积自编码器、掩码自编码器等）及其工作原理 3、案例讲解：基于自编码器的图像分类 4、实操练习
Day 3 17:00-17:30	第十四章 讨论与答疑	1、如何查阅文献资料？（你会使用 Google Scholar、Sci-Hub、ResearchGate   吗？应该去哪些地方查找与论文配套的数据和代码？） 2、如何提炼与挖掘创新点？（如果在算法层面上难以做出原创性的工作， 如何结合自己的实际问题提炼与挖掘创新点？） 3、相关学习资料分享与拷贝（图书推荐、在线课程推荐等） 4、建立微信群，便于后期的讨论与答疑

六、参会费用

统一收费：3900元/人（含会议费、证书认证费、资料费、指导费、发票费等）费用提供用于报销的正规机打发票及盖有公章纸质通知文件；如需开具培训费的单位请联系会务人员获取培训通知；

七、优惠政策（两项费用优惠不可同时享用）

一次报名参加会议，后期本人可无限次数参加相同会议，学会为止。

（1）7 月 8 日之前报名缴费，每人优惠 100 元

（2）3 人以上报名每人可优惠 200 元

（3）5 人及以上团报可赠送一个免费名额

八、颁发证书

中国管理科学研究院颁发的《 MATLAB 技术应用》工程师 证书 该证书可作为有关单位专业技术人员能力评价、以及求职应聘和从业人员加薪、晋升、考核等任职的重要依据。申报资料：请准备两寸蓝底照片、身份证及学历证明（学生证、毕业证、学位证都可）电子版即可。

九、报名方式                   联系人：刘老师                手机：18311050656

电 话：010-53350015      邮箱：1549935216@qq.com