時(shí)間

授課方式

課程

主要內(nèi)容

Day 1

08:30-09:00

課程簡(jiǎn)介

經(jīng)驗(yàn)分享

第一章MATLAB 入門(mén)基礎(chǔ)

1、到底應(yīng)該如何學(xué)習(xí)編程？應(yīng)該學(xué)習(xí)哪種編程語(yǔ)言？MATLAB過(guò)時(shí)了嗎？

2、簡(jiǎn)單介紹?MATLAB 的安裝、版本歷史與編程環(huán)境（應(yīng)該安裝哪個(gè)版本的MATLAB？在哪些情況下需要時(shí)刻關(guān)注最新版本的MATLAB？）

3、MATLAB 基礎(chǔ)操作：包括矩陣操作、邏輯與流程控制、函數(shù)與腳本文件、基本繪圖等（浩如煙海的函數(shù)應(yīng)該怎樣記憶？矩陣最常用的五種索引操作是什么？MATLAB繪圖功能真的比較弱嗎？如何導(dǎo)出高質(zhì)量的圖像，以供滿足SCI論文的要求？）

4、文件導(dǎo)入：mat、txt、xls、csv、jpg、wav、avi等格式（mat格式的文件是怎么生成的呢？為什么mat文件導(dǎo)入到workspace中會(huì)有各種各樣名字的變量？）

09:00-12:00

相關(guān)知識(shí)點(diǎn)復(fù)習(xí)與鞏固

理論講解與案例演示

實(shí)操練習(xí)

13:30-15:30

理論講解與案例演示

實(shí)操練習(xí)

第二章MATLAB 進(jìn)階與提高

1、MATLAB 編程習(xí)慣與風(fēng)格（Cell模式和程序發(fā)布功能是什么？為什么代碼中需要加入一些空格和空白行？MATLAB新版本中包含的Live Script是什么？）

2、MATLAB 調(diào)試技巧（MATLAB為什么會(huì)給出各種各樣的錯(cuò)誤信息？常見(jiàn)的錯(cuò)誤信息有哪些？面對(duì)錯(cuò)誤信息，應(yīng)該是失落還是開(kāi)心？如何使用斷點(diǎn)調(diào)試工具？應(yīng)該去哪些網(wǎng)站尋找答案？怎樣能夠讓別人樂(lè)意幫助你解決問(wèn)題？）

3、向量化編程與內(nèi)存優(yōu)化（怎樣提升你的代碼效率？MATLAB的內(nèi)存管理機(jī)制是什么？為什么你的代碼中會(huì)出現(xiàn)許多紅色的下劃波浪線？）

4、MATLAB深度學(xué)習(xí)工具箱介紹及所需的開(kāi)發(fā)環(huán)境配置，Release Notes解讀

?

15:30-18:00

理論講解與案例演示

實(shí)操練習(xí)

第三章MATLAB 圖像處理技術(shù)方法

1、圖像的常見(jiàn)格式及讀寫(xiě)（彩色圖像、灰度圖像、二值圖像等）
2、圖像的基本操作（幾何變換、時(shí)頻域變換等）

3、圖像直方圖（圖像的對(duì)比度、亮度等改變）

4、案例實(shí)踐：基于手機(jī)攝像頭的心率計(jì)算

Day 2

08:30-11:00

理論講解與案例演示

實(shí)操練習(xí)

第四章

BP神經(jīng)網(wǎng)絡(luò)

1、BP神經(jīng)網(wǎng)絡(luò)的基本原理（人工智能發(fā)展過(guò)程經(jīng)歷了哪些曲折？人工神經(jīng)網(wǎng)絡(luò)的分類有哪些？BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和訓(xùn)練過(guò)程是怎樣的？什么是梯度下降法？BP神經(jīng)網(wǎng)絡(luò)建模的本質(zhì)是什么？）

2、BP神經(jīng)網(wǎng)絡(luò)的?MATLAB 實(shí)現(xiàn)（怎樣劃分訓(xùn)練集和測(cè)試集？為什么需要?dú)w一化？歸一化是必須的嗎？什么是梯度爆炸與梯度消失？MATLAB中BP神經(jīng)網(wǎng)絡(luò)的常用函數(shù)有哪些？如何使用？）

3、BP神經(jīng)網(wǎng)絡(luò)參數(shù)的優(yōu)化（隱含層神經(jīng)元個(gè)數(shù)、學(xué)習(xí)率、初始權(quán)值和閾值等如何設(shè)置？什么是交叉驗(yàn)證？）

4、值得研究的若干問(wèn)題（欠擬合與過(guò)擬合、泛化性能評(píng)價(jià)指標(biāo)的設(shè)計(jì)、樣本不平衡問(wèn)題等）

5、案例演示一：近紅外光譜汽油辛烷值預(yù)測(cè)（回歸擬合）

6、案例演示二：人臉朝向識(shí)別（分類識(shí)別）

7、實(shí)操練習(xí)

11:00-12:00

理論講解與案例演示

實(shí)操練習(xí)

第五章：極限學(xué)習(xí)機(jī)(Extreme Learning Machine, ELM)

1、ELM 的基本原理（ELM的基本算法，“極限”體現(xiàn)在哪些地方？）

2、ELM 與?BP 神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系

3、案例實(shí)踐：鳶尾花種類識(shí)別

13:30 – 15:30

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

第六章：支持向量機(jī)(Support Vector Machine, SVM)

1、SVM的基本原理（什么是經(jīng)驗(yàn)誤差最小和結(jié)構(gòu)誤差最?。縎VM的本質(zhì)是解決什么問(wèn)題？SVM的四種典型結(jié)構(gòu)是什么？核函數(shù)的作用是什么？什么是支持向量？）

2、SVM擴(kuò)展知識(shí)（如何解決多分類問(wèn)題？SVM除了建模型之外，還可以幫助我們做哪些事情？）

3、LibSVM工具箱的安裝與使用

4、案例實(shí)踐一：乳腺癌腫瘤診斷

5、案例實(shí)踐二：混凝土強(qiáng)度預(yù)測(cè)

15:30 – 18:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第七章：決策樹(shù)與隨機(jī)森林

1、決策樹(shù)的基本原理（微軟小冰讀心術(shù)的啟示；什么是信息熵和信息增益？ID3算法和C4.5算法的區(qū)別與聯(lián)系）

2、隨機(jī)森林的基本原理（為什么需要隨機(jī)森林算法？廣義與狹義意義下的“隨機(jī)森林”分別指的是什么？“隨機(jī)”提現(xiàn)在哪些地方？隨機(jī)森林的本質(zhì)是什么？）

3、案例實(shí)踐：乳腺癌腫瘤診斷

4、知識(shí)擴(kuò)展：決策樹(shù)除了建模型之外，還可以幫我們做什么事情？怎樣解讀隨機(jī)森林的結(jié)果？

Day 3

08:30 – 10:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第八章：遺傳算法(Genetic Algorithm, GA)

1、遺傳算法的基本原理（以遺傳算法為代表的群優(yōu)化算法的基本思想是什么？目前國(guó)內(nèi)外的研究熱點(diǎn)在哪些方面？）

2、常見(jiàn)遺傳算法工具箱介紹（GAOT工具箱的添加與使用方法）

3、案例實(shí)踐一：一元函數(shù)的尋優(yōu)計(jì)算（極大值與極小值）

4、案例實(shí)踐二：多元函數(shù)的尋優(yōu)計(jì)算（遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值與閾值）

5、案例實(shí)踐三：離散變量的尋優(yōu)計(jì)算（基于遺傳算法的特征變量篩選）

10:00 – 12:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第九章：變量降維與特征選擇

1、變量降維與特征選擇在概念上的區(qū)分

2、主成分分析（PCA）、偏最小二乘（PLS）的基本原理（PCA與PLS的區(qū)別與聯(lián)系；PCA除了降維之外，還可以幫助我們做什么？）

2、常見(jiàn)的特征選擇方法（優(yōu)化搜索、Filter和Wrapper等；前向與后向選擇法；區(qū)間法；無(wú)信息變量消除法；正則稀疏優(yōu)化方法等）

3、案例實(shí)踐：近紅外光譜的降維與波長(zhǎng)篩選

13:30 – 18:00

理論講解與案例演示

實(shí)操練習(xí)

知識(shí)點(diǎn)總結(jié)、延拓

課堂討論

第十章

深度學(xué)習(xí)入門(mén)基礎(chǔ)與卷積神經(jīng)網(wǎng)絡(luò)

1、深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的區(qū)別與聯(lián)系（神經(jīng)網(wǎng)絡(luò)的隱含層數(shù)越多越好嗎？深度學(xué)習(xí)與傳統(tǒng)機(jī)器學(xué)習(xí)的本質(zhì)區(qū)別是什么？）

2、深度學(xué)習(xí)開(kāi)源工具箱簡(jiǎn)介（Python & MATLAB）

3、卷積神經(jīng)網(wǎng)絡(luò)的基本原理（什么是卷積核？CNN的典型拓?fù)浣Y(jié)構(gòu)是怎樣的？CNN的權(quán)值共享機(jī)制是什么？CNN提取的特征是怎樣的？）

4、LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet等典型深度神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系解讀

5、卷積神經(jīng)網(wǎng)絡(luò)參數(shù)調(diào)試技巧

6、案例演示一：11行代碼實(shí)現(xiàn)深度學(xué)習(xí)物體識(shí)別

7、案例演示二：利用卷積神經(jīng)網(wǎng)絡(luò)抽取抽象特征

8、案例演示三：自定義卷積神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

9、實(shí)操練習(xí)

Day 4

08:30-10:00

理論講解與案例演示

實(shí)操練習(xí)

第十一章

遷移學(xué)習(xí)算法

1、遷移學(xué)習(xí)算法的基本原理（為什么需要遷移學(xué)習(xí)？為什么可以遷移學(xué)習(xí)？遷移學(xué)習(xí)的基本思想是什么？）

2、常用的遷移學(xué)習(xí)算法簡(jiǎn)介（基于實(shí)例、特征和模型，譬如：TrAdaboost算法）

3、基于深度神經(jīng)網(wǎng)絡(luò)的遷移學(xué)習(xí)算法

4、案例演示

10:00-12:00

理論講解與案例演示

實(shí)操練習(xí)

第十二章

長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)LSTM

1、LSTM神經(jīng)網(wǎng)絡(luò)的基本工作原理及MATLAB實(shí)現(xiàn)方法

2、案例演示一：時(shí)間序列預(yù)測(cè)（Time Series Forecasting）

3、案例演示二：序列-序列分類（Sequence-to-Sequence Classification）

13:30-14:30

理論講解與案例演示

實(shí)操練習(xí)

第十三章

強(qiáng)化學(xué)習(xí)

（增強(qiáng)學(xué)習(xí)）

1、強(qiáng)化學(xué)習(xí)的基本思想與原理介紹

2、Q-Learning算法詳解

3、深度強(qiáng)化學(xué)習(xí)介紹

4、案例演示

14:30-16:30

理論講解與課題討論

第十四章

深度學(xué)習(xí)熱門(mén)研究方向

1、對(duì)抗生成網(wǎng)絡(luò)（什么是對(duì)抗生成網(wǎng)絡(luò)？為什么需要對(duì)抗生成網(wǎng)絡(luò)？對(duì)抗生成網(wǎng)絡(luò)可以幫我們做什么？）

2、專題討論：數(shù)據(jù)VS.模型，孰更重要？（模型泛化性能不好，究竟是孰之過(guò)？）

16:30-17:30

理論講解與案例演示

第十五章

科研與創(chuàng)新方法概述

1、如何查閱文獻(xiàn)資料？（你會(huì)使用Google Scholar、Sci-Hub、ResearchGate嗎？應(yīng)該去哪些地方查找與論文配套的數(shù)據(jù)和代碼？）

2、如何高效率撰寫(xiě)專業(yè)論文？（SCI不同分區(qū)的論文差別在哪些地方？你知道你的論文為什么顯得很單薄嗎？）

3、從審稿人的角度看，SCI期刊論文需要具備哪些要素？（審稿人關(guān)注的點(diǎn)有哪些？如何回應(yīng)審稿人提出的意見(jiàn)？）

4、如何提煉與挖掘創(chuàng)新點(diǎn)？（如果在算法層面上難以做出原創(chuàng)性的工作，如何結(jié)合自己的實(shí)際問(wèn)題提煉與挖掘創(chuàng)新點(diǎn)？）

17:30-18:00

課堂討論

復(fù)習(xí)與答疑

第十六章

討論與答疑

1、建立微信群，便于后期的討論與答疑

2、討論與答疑，解答學(xué)員的實(shí)際問(wèn)題

3、相關(guān)學(xué)習(xí)資料分享與拷貝（圖書(shū)推薦、在線課程推薦等）