• 參會報名
  • 會議通知
  • 會議日程
  • 會議嘉賓
  • 參會指南
  • 邀請函下載

首頁 > 商務會議 > 教育培訓會議 > MATLAB機器學習、深度學習與大數據技術工程 更新時間:2023-03-14T14:35:55

MATLAB機器學習、深度學習與大數據技術工程
收藏人
分享到

MATLAB機器學習、深度學習與大數據技術工程 已過期

會議時間:2023-07-21 08:30至 2023-07-23 18:00結束

會議地點: 北京  詳細地址會前通知  

會議規模:50人

主辦單位: 河北雄安宏新環宇信息科技有限公司

發票類型:增值稅專用發票 增值稅普通發票 增值稅普通發票
領取方式:會前快遞 會后快遞 現場領取 
發票內容: 會議費 技術培訓費 培訓費 技術服務費 咨詢費 服務費 
參會憑證:現場憑電話姓名參會

行業熱銷熱門關注看了又看 換一換

        會議通知

        會議內容 主辦方介紹


        MATLAB機器學習、深度學習與大數據技術工程

        MATLAB機器學習、深度學習與大數據技術工程宣傳圖

        課程背景


        各企、事業單位:

        近年來,伴隨著深度學習的快速發展,人工智能迎來了新一輪的發展浪潮,在各行各業都得到了非常廣泛的應用。因此,為了幫助廣大科研人員更加系統地學習機器學習和深度學習的基礎理論知識及其在MATLAB軟件環境下的代碼實現方法,宏新環宇(北京)信息技術研究院有限公司特舉辦“基于MATLAB 2021b的機器學習、深度學習實踐應用”培訓班,旨在幫助學員掌握MATLAB 2021b深度學習工具箱的新特性、經典機器學習算法及最新的深度神經網絡、遷移學習、循環神經網絡、對抗生成網絡、YOLO目標檢測和自編碼器AutoEncoder等算法的基本原理及其MATLAB編程實現方法。本次培訓采用“理論講解+案例實戰+動手實操+討論互動”相結合的方式,抽絲剝繭、深入淺出分析機器學習和深度學習在應用時需要掌握的經驗及編程技巧。

        時間和地點


        2023年7月21日-7月23日 北京/同步直播 (7月20號發放課程資料,21日-23日上課)

        (課后可免費在線觀看同步教學視頻)

        主講老師

        ?

        該課程講師,副教授,博士畢業于中國科學院大學生物醫學工程專業,主要從事人工智能、健康醫療大數據分析、隱私計算、物聯網和邊緣計算等領域的研究工作和系統開發,具有豐富的實戰應用經驗,具備良好的數學及信號處理基礎,較好的英語聽說讀寫能力,以及嚴謹細致的科研素養。熟練掌握經典機器學習和深度學習算法的原理和應用,以及群優化算法,如遺傳算法、蟻群算法、蝙蝠算法等,且精通多種編程工具,如MATLAB、Python、C++、C#、VB、Java、Qt等。主編《MATLAB智能算法30個案例分析》、《MATLAB神經網絡43個案例分析》等相關著作。已發表多篇高水平的國際學術研究論文。開展線上、線下培訓100多場次,學員上千人。

        收費標準


        A類:4680元/人,含培訓費、資料費、視頻費等。住宿可統一安排,費用自理。

        B類:參加培訓的學員,可選擇在A類基礎上申報《高級CAE仿真工程師》職業能力水平等級證書;費用1600元/人,該證書可作為本行業專業崗位職業能力考核的證明,也是崗位聘用、任職、定級和晉升的重要依據。證書全國通用,聯網查詢,無須年檢。

        課程大綱

        時間

        課程章節

        主要內容

        Day 1

        9:00–10:30

        第一章

        MATLAB 基礎

        編程串講

        1、MATLAB基礎操作:包括矩陣操作、邏輯與流程控制、函數與腳本文件、基本繪圖等

        2、文件導入:mat、txt、xls、csv、jpg、wav、avi 等格式

        3、MATLAB 編程習慣、編程風格與調試技巧

        4、MATLAB 數字圖像處理入門

        5、案例講解:基于手機攝像頭的心率計算

        6、實操練習

        Day 1

        10:30-12:00

        第二章BP

        神經網絡

        1、人工智能基本概念辨析(回歸擬合問題與分類識別問題;有監督(導

        師)學習與無監督(無導師)學習;訓練集、驗證集與測試集;過擬合與欠擬合)

        2、BP神經網絡的工作原理

        3、數據預處理(歸一化、異常值剔除、數據擴增技術等)

        4、交叉驗證與模型參數優化

        5、模型評價與指標的選擇(回歸擬合問題 vs、分類識別問題)

        6、案例講解:(1)手寫數字識別?

        (2)人臉朝向識別

        (3)回歸擬合預測 ?

        7、實操練習

        Day 1

        14:30-16:00

        第三章

        支持向量機、

        決策樹與

        隨機森林

        1、支持向量機的基本原理(支持向量的本質、核函數的意義、新啟示等)

        2、決策樹的基本原理(微軟小冰讀心術的啟示;什么是信息熵和信息增

        益?ID3 算法和 C4、5 算法的區別與聯系)

        3、隨機森林的基本原理(為什么需要隨機森林算法?廣義與狹義意義下

        的“隨機森林”分別指的是什么?“隨機”提現在哪些地方?隨機森林

        的本質是什么?)

        4、知識擴展:支持向量機、決策樹除了建模型之外,還可以幫我們做什

        么事情?怎樣解讀隨機森林的結果?

        5、案例講解:(1)鳶尾花 Iris 分類識別(SVM、決策樹)

        (2)基于隨機森林的乳腺癌良性/惡性腫瘤智能診斷模型

        6、實操練習

        Day 1

        16:00-17:30

        第四章

        變量降維與

        特征選擇

        1、變量降維(Dimension reduction)與特征選擇(Feature selection)

        在概念上的區別與聯系

        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 與 PLS 的代碼實現

        5、PCA 的啟發:訓練集與測試集劃分合理性的判斷

        6、經典特征選擇方法 :(1)前向選擇法與后向選擇法

        (2)無信息變量消除法

        (3)基于二進制遺傳算法的特征選擇

        Day 2

        9:00-12:00

        第五章

        卷積神經網絡

        1、深度學習與傳統機器學習的區別與聯系(神經網絡的隱含層數越多越

        好嗎?深度學習與傳統機器學習的本質區別是什么?)

        2、卷積神經網絡的基本原理(什么是卷積核?CNN 的典型拓撲結構是怎

        樣的?CNN 的權值共享機制是什么?CNN 提取的特征是怎樣的?)

        3、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet 等經典深度神經

        網絡的區別與聯系

        4、MATLAB 深度學習工具箱簡介

        5、deepNetworkDesigner 交互式設計工具演示

        6、預訓練模型(Alexnet、Vgg-16/19、GoogLeNet、ResNet 等)的下載

        與安裝

        7、案例講解:(1)CNN 預訓練模型實現物體識別

        (2)利用卷積神經網絡抽取抽象特征

        (3)自定義卷積神經網絡拓撲結構

        (4)1D CNN 模型解決回歸擬合預測問題

        8、實操練習

        Day 2

        14:30-15:30

        第六章

        網絡優化與

        調參技巧

        1、網絡拓撲結構優化

        2、優化算法(梯度下降、隨機梯度下降、小批量隨機梯度下降、動量法、 Adam 等)

        3、調參技巧(參數初始化、數據預處理、數據擴增、批量歸一化、超參 數優化、網絡正則化等)

        4、案例講解:卷積神經網絡模型優化

        5、實操練習

        Day 2

        15:30-16:30

        第七章

        遷移學習算法

        1、遷移學習算法的基本原理(為什么需要遷移學習?為什么可以遷移學

        習?遷移學習的基本思想是什么?)

        2、基于深度神經網絡模型的遷移學習算法

        3、案例講解:貓狗大戰(Dogs vs、 Cats) ?

        4、實操練習

        Day 2

        16:30-17:30

        第八章

        循環神經網絡與長短時

        記憶神經網絡

        1、循環神經網絡(RNN)的基本原理

        2、長短時記憶神經網絡(LSTM)的基本原理

        3、?RNN 與 LSTM 的區別與聯系

        3、案例講解:(1)時間序列預測

        (2)序列-序列分類 ?

        4、實操練習

        Day 3

        9:00-10:00

        第九章

        時間卷積網絡

        (Temporal

        Convolutional

        Network, TCN)

        1、時間卷積網絡(TCN)的基本原理

        2、TCN 與 1D CNN、LSTM 的區別與聯系

        3、案例講解:(1)新冠肺炎疫情預測

        (2)人體動作識別

        4、實操練習

        Day 3

        10:00-11:00

        第十章

        基于深度學習的視頻分

        類案例實戰

        1、基于深度學習的視頻分類基本原理

        2、讀取視頻流文件并抽取圖像幀

        3、利用預訓練 CNN 模型提取指定層的特征圖

        4、自定義構建 LSTM 神經網絡模型

        5、案例講解:HMDB51 數據集視頻分類

        6、實操練習

        Day 3

        11:00-12:00

        第十一章

        生成式對抗網絡(GAN)

        1、生成式對抗網絡 GAN(什么是對抗生成網絡?為什么需要對抗生成網

        絡?對抗生成網絡可以幫我們做什么?GAN 給我們帶來的啟示)

        2、GAN 的基本原理及 GAN 進化史

        3、案例講解:GAN 的 MATLAB 代碼實現(向日葵花圖像的自動生成)

        4、實操練習?

        Day 3

        14:30-16:00

        第十二章

        目標檢測 YOLO 模型

        1、什么是目標檢測?目標檢測與目標識別的區別與聯系

        2、YOLO 模型的工作原理

        3、從 YOLO v1 到 v5 的進化之路

        4、案例講解:(1)使用預訓練模型實現圖像、視頻等實時目標檢測

        (2)訓練自己的數據集:新冠疫情佩戴口罩識別

        5、實操練習

        Day 3

        16:00-17:00

        第十三章 U-Net 模型

        1、自編碼器的組成及基本工作原理

        2、自編碼器的變種(棧式自編碼器、稀疏自編碼器、去噪自編碼器、卷

        積自編碼器、掩碼自編碼器等)及其工作原理

        3、案例講解:基于自編碼器的圖像分類

        4、實操練習

        Day 3

        17:00-17:30

        第十五章

        討論與答疑

        1、如何查閱文獻資料?(你會使用 Google Scholar、Sci-Hub、

        ResearchGate 嗎?應該去哪些地方查找與論文配套的數據和代碼?)

        2、如何提煉與挖掘創新點?(如果在算法層面上難以做出原創性的工作,

        如何結合自己的實際問題提煉與挖掘創新點?)

        3、相關學習資料分享與拷貝(圖書推薦、在線課程推薦等)

        4、建立微信群,便于后期的討論與答疑

        1、航天科技某所Ansys WB結構及Ansys Maxwell電磁仿真定制培訓;
        2、電科集團某所COMSOL Multiphysics多物理場耦合定制培訓;
        3、中國航天科工某所Hypermesh定制培訓;
        4、中國核電某所電磁-熱-流-固耦合多物理場耦合模擬定制培訓;
        5、江蘇某企業NFC天線電感值和磁場分布仿真分析;
        6、北京某儀器研究所結構間隙配合和螺紋預緊的靜力分析仿真報告;
        7、Adams傳動系統多體動力學仿真分析......


        查看更多

        會議日程


        即將更新,敬請期待

        會議嘉賓


        即將更新,敬請期待

        參會指南

        會議門票


        票種名稱 價格 原價 票價說明
        普票 ¥4680 ¥4680 A類:4680元/人,含培訓費、資料費、視頻費等。住宿可統一安排,費用自理。 B類:參加培訓的學員,可選擇在A類基礎上申報《高級CAE仿真工程師》職業能力水平等級證書;費用1600元/人,該證書可作為本行業專業崗位職業能力考核的證明,也是崗位聘用、任職、定級和晉升的重要依據。證書全國通用,聯網查詢,無須年檢。

        查看更多

        溫馨提示
        酒店與住宿: 為防止極端情況下活動延期或取消,建議“異地客戶”與活動家客服確認參會信息后,再安排出行與住宿。
        退款規則: 活動各項資源需提前采購,購票后不支持退款,可以換人參加。

        標簽:

        活動家為本會議官方合作
        報名平臺,您可在線購票

        會議支持:

        • 會員折扣
          該會議支持會員折扣
          具體折扣標準請參見plus會員頁面
        • 會員返積分
          每消費1元累積1個會員積分。
          僅PC站支持。
        • 會員積分抵現
          根據會員等級的不同,每抵用1元可使用的積分也不一樣,具體可參見PLUS會員頁面。 僅PC站支持。

        部分參會單位

        • 中核北方核燃料元件有限公司

        郵件提醒通知

        分享到微信 ×

        打開微信,點擊底部的“發現”,
        使用“掃一掃”即可將網頁分享至朋友圈。

        錄入信息

        請錄入信息,方便生成邀請函

        日韩精品久久人人躁人人噜_午夜精品久久久久_久久精品国产欧美日韩亚洲_国产很爽的超薄丝袜脚交网站