现代科技日新月异，技术更新日新月异。 越来越多的企业和科研院所寻求更强大的数据分析和图像处理能力。 MATLAB能够将数值分析、矩阵计算、数据可视化、非线性动力系统的建模与仿真等诸多强大功能集成在一个易于使用的窗口环境中，为科学领域的学者和工作设计者提供了一个综合的工具。 该解决方案摆脱了传统非交互式编程语言的编辑模式，使MATLAB成为国际先进的科学计算软件。 全世界数以百万计的工程师和科学家使用 MATLAB 来分析和设计可以改变世界的系统和产品。
机器学习是一门研究统计学、人工智能、数学、哲学、信息论、生物学、认知科学、计算复杂性、工业控制以及如何使用机器模拟人类学习活动的学科。 的核心研究课题之一。
特举办《MATLAB实战与机器学习（深度学习）实训班》。 培训内容以科研和工程中的典型实例为基础，系统地从实际工作中的难点出发bp神经网络预测模型matlab代码，同时进行深入的计算应用研讨bp神经网络预测模型matlab代码，帮助学员掌握和使用MATLAB作为软件平台和机器学习实践经验用于工程设计和研发工作。
由北京中际英才文化传媒有限公司、北京宏盛元亨文化交流中心具体承办。 现将有关事项通知如下：
1. 课程定位为上机实操培训，以代码和案例为主，边讲解边实操。
2. 通过本课程的学习，学生可以熟练掌握MATLAB软件的原理、技能和方法。
3、具备使用MATLAB软件解决工作和学习中相关问题的能力。
4.用丰富的案例分析讲解机器学习领域的回归分析、决策树、支持向量机、人工神经网络等监督学习和聚类分析、关联规则等非监督学习。
2019/07/12 – 2019/07/15
北京丰台
如有疑问，请咨询：13643136553或472355722@qq.com
1、资深专家深入讲解MATLAB相关操作技巧； 由浅入深，从理论到实践的综合分析；
2. 专家与学生互动、答疑、分享经验； 专家推荐经典学习书籍、网络资源等。
3、机房上机实训，学习效率有保障。
4.机器学习科技成果演练及平台展示。
方式包括：
1、理论分析； 2、案例讲解与分析； 3、电脑操作；
课程：
讲座内容：
1. MATLAB入门基础
1、简要介绍MATLAB的安装、版本历史及编程环境
2. MATLAB基本运算（包括矩阵运算、逻辑与过程控制、函数与脚本文件、基本绘图等）
3.文件导入（mat、txt、xls、csv、jpg、wav、avi等格式）
二、MATLAB的进阶与改进
1. MATLAB编程习惯与风格 2. MATLAB调试技巧
3. 向量化编程和内存优化 4. 图形对象和句柄
3.BP神经网络
1. BP神经网络基本原理 2. BP神经网络的MATLAB实现
3. 案例实践：近红外光谱法预测汽油辛烷值
4. BP神经网络参数优化 5. BP算法解决手写数字识别问题
4.极限学习机
一、ELM的基本原理 二、ELM与BP神经网络的区别与联系
3. 案例实践：人脸识别
五、支持向量机
1. SVM分类的基本原理 2. SVM回归拟合的基本原理
3.案例实践：鸢尾花鉴定
6. 决策树算法和随机森林
1.决策树的基本原理 2.随机森林的基本原理和建模方法
3. 案例实践：乳腺癌肿瘤的诊断
7. 遗传算法
1. 遗传算法基本原理 2. 常用遗传算法工具箱介绍
3.案例实践：函数最大最小点的优化
八、变量降维和特征选择
一、变量降维与特征选择的区别与联系二、区间偏最小二乘法
3.主成分分析与偏最小二乘法 4.二元遗传算法
5. L0/L1范数正则化优化算法
9.图像处理
1、常用图像格式及读写（彩色图像、灰度图像、二值图像等）
2、图像的基本操作（几何变换、时频域变换等）
3.图像直方图（图像对比度、亮度等变化）
4. 案例实践：基于手机摄像头的心率计算
十、机器学习MATLAB实现
1. MATLAB深度学习工具箱介绍 2. 决策树原理与实例
3. K近邻学习原理与实例 4. 距离判别原理与实例
5.贝叶斯分类器原理与实例 6.支持向量机分类器原理与实例
7. 随机森林分类器原理与实例 8. 浅层神经网络分类实例
十一、深度学习Python实现
1. 卷积神经网络基本原理 2. 对抗生成神经网络基本原理
3. 迁移学习算法的基本原理
5. 案例一：11行代码实现深度学习物体识别
6. 案例二：使用卷积神经网络提取抽象特征
7. 案例三：自定义卷积神经网络拓扑
8. 案例四：基于卷积神经网络的迁移学习
9. 案例5：Tensorflow、Caffe等模型与MATLAB混合编程
