机器学习算法与应用

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：

• 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

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