M A T L A B 机器学习、深度学习与AI辅助编程—培训

时间

课程章节

培训内容

第一天上午

一、MATLAB基础编程精讲

1．MATLAB基础操作：数组运算、逻辑与流程控制、脚本与函数文件、匿名函数

2．MATLAB数据管理：读写mat、TXT、Excel、Word、图像、语音、网络等格式数据文件

3．MATLAB绘图：基于数据绘图、基于函数绘图、图形对象的句柄控制

4．MATLAB代码调试与优化：代码调试技巧、分析程序运行效率、提高程序运行效率的常用技巧

5．案例讲解

1）批量爬取网络图片并生成pdf文档

2）基于点云数据的三维重建

6．练习与答疑

第一天下午

二、数据拟合

1．数据清洗：缺失数据处理、离群值检测、数据去噪与平滑

2．插值拟合：网格节点插值、散乱节点插值

3．回归拟合：一元线性与非线性回归、多元线性与非线性回归

4．人工神经网络基础与数据拟合：人工神经网络基本原理、BP网络的工作原理

5．案例讲解

   1）多模态数据集的合并

   2）重金属元素的空间分布

   3）沪深股市收益率的一元线性回归

   4）头围关于年龄的一元非线性回归

   5）人体耗氧能力的影响因素分析与回归建模

   6）地震震中位置与震源深度的预测

6．练习与答疑

第二天上午

三、聚类

1．层次聚类

1）层次聚类原理（距离的定义、最短距离法、最长距离法、中间距离法、重心法、类平均法、离差平方和法）

2）如何确定最优分类个数

3）层次聚类的MATLAB函数与案例（Q型聚类案例和R型聚类案例）

2．K均值聚类

1）K均值聚类原理（凝聚点的选择；计算与更新；聚类步骤）

2）K均值聚类的MATLAB函数与案例

3．模糊C均值聚类

1）模糊C均值聚类原理（什么是隶属度？模糊C均值聚类的目标函数与求解）

2）模糊C均值聚类的MATLAB函数与案例（我国各省、市、自治区和直辖市的气候模式分析）

4．高斯混合聚类

1）高斯混合聚类原理（高斯混合模型；EM算法；聚类分配）

2）高斯混合聚类的MATLAB函数与案例

5．人工神经网络聚类

1）SOM网络原理（SOM网络的网络结构；自组织特征映射学习算法步骤）

2）SOM网络的MATLAB函数与案例（基于SOM网络的气候模式分析）

6．练习与答疑

第二天下午

四、降维技术

五、经典的模式识别与分类算法

1．主成分分析

   1）主成分分析的基本思想和数学原理

   2）如何基于累积贡献率确定主成分个数？

   3）主成分分析的MATLAB函数与案例

2．决策树

   1）决策树原理（阿呆相亲的启示；什么是信息熵和信息增益？ID3 算法和 C4.5 算法的区别与联系）

   2）决策树判别的MATLAB函数与案例（鸢尾花Iris 的分类识别）

3．K近邻学习

   1）K近邻分类的基本思想

   2）K近邻分类的MATLAB函数与案例（鸢尾花Iris 的分类识别）

4．距离判别

   1）距离判别原理（距离的定义；判别规则）

   2）距离判别的MATLAB函数与案例（中小企业的破产模型）

5．贝叶斯分类器

   1）贝叶斯判别的基本原理（先验概率；后验概率；判别规则）

   2）贝叶斯判别的MATLAB函数与案例（蠓虫的分类识别问题；手写体数字识别）

6．支持向量机分类器

   1）支持向量机的基本原理（支持向量的本质；核函数的意义；如何解决多分类问题？）

   2）支持向量机相关的MATLAB函数与案例（蠓虫的分类识别问题；鸢尾花Iris 的分类识别）

7．随机森林分类器

   1）随机森林分类器原理（什么是集成学习？随机森林的本质是什么？“随机”体现在哪些地方？）

   2）随机森林分类的MATLAB函数与案例（鸢尾花Iris 的分类识别）

8．浅层神经网络分类

   1）什么是模式识别网络？

   2）模式识别网络相关的MATLAB函数与案例（蠓虫的分类识别问题；基于血清蛋白质组模式诊断的癌症检测）

9．练习与答疑

第三天上午

六、基于深度学习的模式识别与分类

1．深度学习基础

1）深度堆栈自编码网络的结构与原理（编码器与解码器；逐层训练算法；基于BP算法的参数微调）

2）深度卷积神经网络的结构与原理（什么是卷积核？CNN 的典型拓扑结构是怎样的？CNN 的权值共享机制是什么？CNN 提取的特征是怎样的？）

2．常用深度学习模型（LeNet、AlexNet、Vgg-16/19、GoogLeNet、ResNet）

3．什么是迁移学习？

4．深度学习应用案例

1）深度学习在数字和人脸识别中的应用

2）深度学习在目标检测中的应用

3）利用AlexNet深度卷积神经网络作迁移学习

5．MATLAB深度网络设计器（交互式设计自己的深度学习网络）

6．练习与答疑

第三天下午

七、MATLAB AI辅助编程

1. DeepSeek大模型的简介、部署与应用

   1）DeepSeek大模型的来源与功能介绍

   2）把DeepSeek大模型接入Word

   3）用MATLAB调用DeepSeek API

   4）用DeepSeek生成文档

2. 豆包大模型的简介、部署与应用

   1）豆包大模型的来源与功能介绍

   2）把豆包大模型接入Word

   3）用MATLAB调用豆包 API

   4）用豆包生成文档

3．基于AI大模型的数据读取与可视化及MATLAB编程

   1）用AI大模型整理记事本格式数据

   2）基于AI大模型的数据绘图

4．基于AI大模型的优化建模、求解与MATLAB编程

1）基于AI大模型的线性规划问题建模与求解

   2）基于AI大模型的非线性规划问题建模与求解

5．基于AI大模型的MATLAB GUI界面设计

1）MATLAB App Designer工具

2）用AI大模型制作简易的图像处理界面

6．Trae集成开发环境

   1）Trae集成开发环境的简介与安装调试

   2）在Trae中安装MATLAB插件

   3）Trae中的AI大模型

   4）在Trae集成开发环境中编写、运行和调试MATLAB代码

八、辅助课程支持

（1）疑难解答

（2）分组讨论

（3）关键问题解析

（4）学后交流、微信群建立等

（5）学员可填写自己想学习的内容，安排答疑讲解

（6）配备电子讲义和模型，可拷贝案例资料等