2018第三期-MATLAB高级编程及机器学习技术应用研习班已过期
推荐参加：2025大健康产业技术创新（昆明）论坛暨中生协特医食品及生物活性肽工作委员会第三届年会

会议时间：2018-07-05 08:30至 2018-07-09 17:30结束

会议地点：深圳待定

会议规模：50人

主办单位：北京中科资环信息技术研究院

发票类型：增值税专用发票增值税普通发票

领取方式：现场领取

发票内容：会议费会议注册费注册费技术培训费培训费技术服务费资料费咨询费

参会凭证：现场凭电话姓名参会

行业热销热门关注看了又看换一换

会议通知
会议内容主办方介绍

2018第三期-MATLAB高级编程及机器学习技术应用研习班宣传图

第三期-MATLAB高级编程及机器学习技术应用研习班

各企事业单位：

近年来，随着AlphaGo人机大战、ImageNet挑战赛等热点事件的发生，人工智能再次回到了人们的视野，迎来了新一轮的发展浪潮，各行各业都在寻求新的“风口”和机遇。尤其是在计算机视觉和图像处理领域，各种颠覆性的成果应运而生。因此，为了帮助广大科研人员更加系统地学习机器学习和深度学习的基础理论知识及对应的代码实现方法，北京中科资环信息技术研究院特举办“MATLAB高级编程及机器学习技术应用” 培训班，旨在帮助学员掌握各种经典机器学习算法以及最新的深度神经网络、迁移学习等算法的基本原理及其MATLAB编程实现方法。本次培训采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出分析使用机器学习和深度学习时需要掌握的经验及编程技巧。此外，本次培训还将通过实际案例的形式，介绍如何提炼创新点，以及如何发表高水平论文等相关经验。

一、时间地点：

2018年7月05日—7月09日广东-深圳（时间安排：第一天报到、授课四天）

二、培训目标：

1.掌握各种经典机器学习算法的技巧及其MATLAB代码实现方法

2.掌握最新的深度学习、迁移学习等算法的基本原理及其MATLAB代码实现方法

3.通过实际案例操作，熟练掌握MATLAB神经网络应用方法

4.通过实际案例操作，熟练掌握MATLAB图像处理技术及深度学习、神经网络在图像处理中的应用

5.通过实操培训掌握各种编程技巧

6.通过现场指导解决学员实际工作项目中的疑难问题，建立技术服务平台，为后期应用提供技术交流

三、培训对象：

各省市、自治区从事各行各业的数据处理、建模分析等方向相关的企事业单位技术骨干、科研院所研究人员和大专院校相关专业教学人员及在校本科生、硕士和博士等相关人员，以及对机器学习和编程感兴趣的广大爱好者。

四、颁发证书(参加培训的学员可以获得双证书)

A类：国家工业和信息化部人才交流中心颁发的《机器学习开发与应用技术》国家紧缺人才培养工程证书，该证书直接纳入工信部人才库。

B类：《机器学习技术》专业技术培训证书。此证书作为个人学习和知识更新、专业技能提升、单位人才聘用的参考依据。

注：请学员准备电子版身份证、学历证、2寸蓝底照片提交至会务组。

北京中科资环信息技术研究院

中科资环是在资源、环境等相关领域信息技术不断地发展的背景下正式成立。中科资环现今与院校和科研机构以及相关研究团队建立长期稳定的合作关系，这是中科资环持续发展重要的基础，也很好的搭建了各单位的信息互通以及相关领域合作，中科资环研究团队为推动资源、生态、环境的信息化发展提供重要的基础保障。中科资环主要致力于在资源、生态、环境等信息领域的软件系统研发、项目合作、技术咨询、技术推广以及国内外相关主导软件代理等。中科资环已经组建完成生物、（水、大气）环境、农业、3s技术等领域信息发展中心。为更好的服务于各单位，中科资环成立环境系统模拟事业部、以及教育中心。中科资环下设各中心聘请多位教授、研究员等成为各中心的长期顾问专家，大幅度提高了中科资环的科研实力。

会议日程
（最终日程以会议现场为准）

课程大纲

时间		授课方式	课程	主要内容
第一天	09:00 – 10:00	课程简介经验分享	第一章：MATLAB 入门基础	1、简单介绍 MATLAB 的安装、版本历史与编程环境 2、MATLAB 基础操作(包括矩阵操作、逻辑与流程控制、函数与脚本文件、基本绘图等) 3、文件导入(mat、txt、xls、csv、jpg、wav、avi等格式)
	10:00 – 12:00	相关知识点复习与巩固理论讲解与案例演示实操练习	第一章：MATLAB 入门基础
	13:30 – 15:30	理论讲解与案例演示实操练习	第二章：MATLAB 进阶与提高	1、MATLAB 编程习惯与风格 2、MATLAB 调试技巧 3、向量化编程与内存优化 4、图形对象和句柄
	15:30 – 17:30	理论讲解与案例演示实操练习	第三章：MATLAB GUI设计与软件开发	1、利用GUIDE向导工具开发 2、利用M语言开发 3、程序编译与打包发布
第二天	09:00 – 10:00	理论讲解与案例演示	第四章：BP 神经网络	1、BP神经网络的基本原理 2、BP神经网络的 MATLAB 实现 3、案例实践 4、BP神经网络参数的优化
	10:00 – 11:00	实操练习
	11:00 – 12:00	知识点总结、延拓课堂讨论
	13:30 – 15:30	理论讲解与案例演示实操练习	第五章：极限学习机(Extreme Learning Machine, ELM)	1、ELM 的基本原理 2、ELM 与 BP 神经网络的区别与联系 3、案例实践
	15:30 – 17:30	理论讲解与案例演示实操练习知识点总结、延拓	第六章：支持向量机(Support Vector Machine, SVM)	1、SVM 分类的基本原理 2、SVM 回归拟合的基本原理 3、案例实践
第三天	09:00 – 10:30	理论讲解与案例演示实操练习知识点总结、延拓课堂讨论	第七章：决策树与随机森林	1、决策树的基本原理 2、随机森林的基本原理 3、案例实践
	10:30 – 12:00	理论讲解与案例演示实操练习	第八章：遗传算法(Genetic Algorithm, GA)	1、遗传算法的基本原理 2、常见遗传算法工具箱介绍 3、案例实践
	13:30 – 16:00	理论讲解与案例演示实操练习	第九章：变量降维与特征选择	1、主成分分析（PCA）、偏最小二乘（PLS）的基本原理 2、常见的特征选择方法（优化搜索、Filter和Wrapper等） 3、案例实践
	16:00 – 17:30	实操练习课堂讨论复习与答疑	第九章：变量降维与特征选择
第四天	09:00 – 10:00	理论讲解与案例演示实操练习	第十章：图像处理入门	1、图像的常见格式及读写 2、图像的基本操作（几何变换、时频域变换等） 3、图像直方图 4、案例实践：基于手机摄像头的心率计算
	10:00 – 12:00	理论讲解与案例演示实操练习	第十一章：深度学习入门	1、深度学习与传统机器学习的区别与联系 2、深度学习开源工具箱简介 3、卷积神经网络的基本原理 4、迁移学习算法的基本原理 5、专题讨论：数据VS.模型，孰更重要？
	13:30 – 15:30	理论讲解与案例演示实操练习	第十二章：深度学习在图像处理中的应用案例	1、MATLAB 2017b深度学习工具箱功能介绍 2、案例一：11行代码实现深度学习物体识别 3、案例二：利用卷积神经网络抽取抽象特征 4、案例三：自定义卷积神经网络拓扑结构 5、案例四：基于卷积神经网络的手写数字识别 6、案例五：基于卷积神经网络实现迁移学习
	15:30 – 17:30	课堂讨论复习与答疑	第十三章：讨论与答疑	1. 如何查阅文献资料？ 2. 如何高效率撰写专业论文？ 3. 从审稿人的角度看，SCI期刊论文需要具备哪些要素？ 4. 如何提炼与挖掘创新点？