本课程主要介绍经典的有监督机器学习算法、无监督机器学习算法、强化学习算法和深度机器学习算法,讲解顺序从浅层学习到深度学习,从简单的线性模型到复杂的神经网络非线性模型的原理与应用。每个章节均遵循先简介理论基础,再构建数学模型,然后辅以实例分析,最后设计源码实现,从理论到实践的讲解原则。
课程优势:
本视频课程有配套书籍,有丰富的实例分析,仿真演示,提供实例的数据集和源代码,具有其他理论课程不可替代的工程实践优势。同时,从独特的角度解读对深度神经网络,降低深度网络应用的难度,并对深度网络在ARM和FPGA平台应用做了并行拓展,为深度学习算法的轻量化、嵌入化和边缘化提供有益参考。
配套书籍:《机器学习算法与应用》
购买地址:请点击>>
课程面向对象:
涉及的应用领域:
物联网,智能硬件,智能交通,智慧医疗,智慧家居,无人驾驶等。
学习效果:
通过本视频课程学习,可以了解机器学习主流算法的基本原理,可以达到直接应用算法解决简单分类和回归问题,为进一步学习算法优化奠定基础。
工具软件:
MATLAB, Octave, Python, C/C++,Verilog,FPGA开发板
学习本课需要提前掌握:
-
熟练的编程技能
-
基本线性代数(向量、矩阵、矩阵向量乘法)知识
-
基本概率(随机变量、基本属性的概率)相关知识
-
虽然完成本课程学习不必熟悉基本的微积分(导数和偏导数)知识,但是如果有相关基础知识将有助于更深入地理解算法。
讲师介绍:
杨云
职位:长安大学信息工程学院物联网与网络工程系, 副教授
研究方向:智能交通,机器学习算法与应用,智能硬件安全