加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入

logo

logo
  • 点赞
  • 评论
  • 分享
免费
课程章节
  • 课程介绍
  • 相关推荐
  • 电子产业图谱
申请入驻 产业图谱
初级

机器学习算法与应用

2021/02/08
2765
阅读需 3 分钟
加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

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。

QQ截图20210208150836.jpg

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:

  • 高等院校人工智能物联网工程、计算机软件工程专业高年级本科生、研究生

  • 给机器学习算法理论有所了解的广大开发人员、科技工作者和研究人员参考


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.png

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

相关推荐

电子产业图谱

TA的热门作品