課程簡介：

近年來,隨著人工智能的發(fā)展,機器學習已經(jīng)廣泛應用于各行各業(yè)中,如語言識別、文 本分類、智能推薦、網(wǎng)絡安全、物聯(lián)網(wǎng)等。然而,對于絕大部分非數(shù)學專業(yè)出身的人而言, 談到機器學習,就會被大量的數(shù)學公式嚇到退避三舍。實際上,隨著計算機與信息技術的快 速發(fā)展,越來越多的人僅需要會使用機器學習這一工具即可,無需了解各種機器學習算法的 細枝末節(jié)。正如,我們每天都在使用計算機,但是我們不需要了解 CPU 和內(nèi)存在每一時刻 的具體運行過程。

因此,我們推出本課程,旨在幫助學員了解各種常見機器學習算法的原理與思想,同時,以具體案例的形式,引導學員自己動手實踐編程。

考慮到眾多學員基礎不一,本次課程將會分成三大部分:MATLAB 入門基礎與提高、機器學習基礎和具體案例實踐。

課程目錄

第一課:MATLAB 入門基礎

第二課:MATLAB 進階與提高

第三課:BP 神經(jīng)網(wǎng)絡

第四課:RBF、GRNN 和 PNN 神經(jīng)網(wǎng)絡

第五課:競爭神經(jīng)網(wǎng)絡與 SOM 神經(jīng)網(wǎng)絡

第六課:支持向量機(Support Vector Machine, SVM) 

第七課:極限學習機(Extreme Learning Machine, ELM) 

第八課:決策樹與隨機森林

第九課:遺傳算法(Genetic Algorithm, GA)

第十課:粒子群優(yōu)化(Particle Swarm Optimization, PSO)算法

第十一課:蟻群算法(Ant Colony Algorithm, ACA)

第十二課:模擬退火算法(Simulated Annealing, SA)

第十三課:降維與特征選擇