2540
本課程主要介紹經(jīng)典的有監(jiān)督機器學習算法、無監(jiān)督機器學習算法、強化學習算法和深度機器學習算法，講解順序從淺層學習到深度學習，從簡單的線性模型到復雜的神經(jīng)網(wǎng)絡非線性模型的原理與應用。每個章節(jié)均遵循先簡介理論基礎，再構(gòu)建數(shù)學模型，然后輔以實例分析，最后設計源碼實現(xiàn)，從理論到實踐的講解原則。
課程優(yōu)勢：
本視頻課程有配套書籍，有豐富的實例分析，仿真演示，提供實例的數(shù)據(jù)集和源代碼，具有其他理論課程不可替代的工程實踐優(yōu)勢。同時，從獨特的角度解讀對深度神經(jīng)網(wǎng)絡，降低深度網(wǎng)絡應用的難度，并對深度網(wǎng)絡在ARM和FPGA平臺應用做了并行拓展，為深度學習算法的輕量化、嵌入化和邊緣化提供有益參考。
配套書籍：《機器學習算法與應用》
購買地址：請點擊>>
課程面向?qū)ο螅?/strong>
-
高等院校人工智能、物聯(lián)網(wǎng)工程、計算機、軟件工程專業(yè)高年級本科生、研究生
-
給機器學習算法理論有所了解的廣大開發(fā)人員、科技工作者和研究人員參考
涉及的應用領域：
物聯(lián)網(wǎng)，智能硬件，智能交通，智慧醫(yī)療，智慧家居，無人駕駛等。
學習效果：
通過本視頻課程學習，可以了解機器學習主流算法的基本原理，可以達到直接應用算法解決簡單分類和回歸問題，為進一步學習算法優(yōu)化奠定基礎。
工具軟件：
MATLAB， Octave， Python， C/C++，Verilog，F(xiàn)PGA開發(fā)板
學習本課需要提前掌握：
-
熟練的編程技能
-
基本線性代數(shù)(向量、矩陣、矩陣向量乘法)知識
-
基本概率(隨機變量、基本屬性的概率)相關知識
-
雖然完成本課程學習不必熟悉基本的微積分(導數(shù)和偏導數(shù))知識，但是如果有相關基礎知識將有助于更深入地理解算法。
講師介紹：
楊云
職位：長安大學信息工程學院物聯(lián)網(wǎng)與網(wǎng)絡工程系， 副教授
研究方向：智能交通，機器學習算法與應用，智能硬件安全
