各企事业单位:

近年来,随着AlphaGo、无人驾驶汽车、医学影像智慧辅助诊疗、ImageNet竞赛等热点事件的发生,人工智能迎来了新一轮的发展浪潮。尤其是深度学习技术,在许多行业都取得了颠覆性的成果。因此,为了帮助广大科研人员更加系统地学习深度学习的基础理论知识及对应的MATLAB代码实现方法,北京中科资环信息技术研究院特举办“MATLAB深度学习技术及应用” 培训班,旨在帮助学员掌握深度学习的基础知识,与经典机器学习算法的区别与联系,以及最新的迁移学习、强化学习、对抗生成网络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、深入浅出分析深度学习在应用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10月25日-10月28日

地点:北京航空航天大学

时间安排:第一天报到、授课三天

二、培训目标:

1.掌握MATLAB基础编程及进阶提升方法

2.掌握BP神经网络、卷积神经网络、长短时记忆网络LSTM的基本原理及其MATLAB代码实现方法

3.掌握最新的迁移学习、强化学习等算法的基本原理及其MATLAB代码实现方法

4.通过实操培训掌握各种编程技巧

5.解决学员实际工作中的疑难问题

6.熟悉人工智能的最新动态及发展趋势

三、培训对象:

各省市、自治区从事各行各业的机器学习、数据挖掘、图像处理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、深度学习和MATLAB编程感兴趣的广大爱好者。

四、主讲专家:

郁磊博士:主要从事MATLAB 编程、机器学习与数据挖掘、数据可视化和软件开发、生理系统建模与仿真、生物医学信号处理,具有丰富的实战应用经验,主编《MATLAB智能算法30个案例分析》、《MATLAB 神经网络43个案例分析》相关著作。已发表多篇高水平的国际学术研究论文。

五、培训费用

3900元/每人

包含:报名费、培训费、资料费、午餐费

注:住宿可统一安排,费用自理。

发票可开类型:培训费、会议费、资料费

六、颁发证书:

参加会议的学员可以获得《深度学习技术》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:身份证号、2寸蓝底证件照片发至会务组。

七、报名方式:

八、联系方法:

授课方式

主要内容

08:30-09:30

课程简介

经验分享

第一章MATLAB 入门基础

1、到底应该如何学习编程?应该学习哪种编程语言?MATLAB过时了吗?

2、简单介绍 MATLAB 的安装、版本历史与编程环境(应该安装哪个版本的MATLAB?在哪些情况下需要时刻关注最新版本的MATLAB?)

3、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(浩如烟海的函数应该怎样记忆?矩阵最常用的五种索引操作是什么?MATLAB绘图功能真的比较弱吗?如何导出高质量的图像,以供满足SCI论文的要求?)

4、文件导入:mat、txt、xls、csv、jpg、wav、avi等格式(mat格式的文件是怎么生成的呢?为什么mat文件导入到workspace中会有各种各样名字的变量?)

09:30-12:00

相关知识点复习与巩固

理论讲解与案例演示

实操练习

14:00-17:00

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(Cell模式和程序发布功能是什么?为什么代码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 调试技巧(MATLAB为什么会给出各种各样的错误信息?常见的错误信息有哪些?面对错误信息,应该是失落还是开心?如何使用断点调试工具?应该去哪些网站寻找答案?怎样能够让别人乐意帮助你解决问题?)

3、向量化编程与内存优化(怎样提升你的代码效率?MATLAB的内存管理机制是什么?为什么你的代码中会出现许多红色的下划波浪线?)

4、MATLAB深度学习工具箱介绍及所需的开发环境配置,Release Notes解读

08:30-11:00

理论讲解与案例演示

实操练习

BP神经网络

1、BP神经网络的基本原理(人工智能发展过程经历了哪些曲折?人工神经网络的分类有哪些?BP神经网络的拓扑结构和训练过程是怎样的?什么是梯度下降法?BP神经网络建模的本质是什么?)

2、BP神经网络的 MATLAB 实现(怎样划分训练集和测试集?为什么需要归一化?归一化是必须的吗?什么是梯度爆炸与梯度消失?MATLAB中BP神经网络的常用函数有哪些?如何使用?)

3、BP神经网络参数的优化(隐含层神经元个数、学习率、初始权值和阈值等如何设置?什么是交叉验证?)

4、值得研究的若干问题(欠拟合与过拟合、泛化性能评价指标的设计、样本不平衡问题等)

5、案例演示一:近红外光谱汽油辛烷值预测(回归拟合)

6、案例演示二:人脸朝向识别(分类识别)

7、实操练习

11:00-12:00

14:00-15:30

理论讲解与案例演示

实操练习

深度学习入门基础与卷积神经网络

1、深度学习与传统机器学习的区别与联系(神经网络的隐含层数越多越好吗?深度学习与传统机器学习的本质区别是什么?)

2、深度学习开源工具箱简介(Python & MATLAB)

3、卷积神经网络的基本原理(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?)

4、案例演示一:11行代码实现深度学习物体识别

5、案例演示二:利用卷积神经网络抽取抽象特征

6、案例演示三:自定义卷积神经网络拓扑结构

7、实操练习

15:30-17:00

理论讲解与案例演示

实操练习

迁移学习算法

1、迁移学习算法的基本原理(为什么需要迁移学习?为什么可以迁移学习?迁移学习的基本思想是什么?)

2、常用的迁移学习算法简介(基于实例、特征和模型,譬如:TrAdaboost算法)

3、基于深度神经网络的迁移学习算法

4、案例演示

08:30-10:30

理论讲解与案例演示

实操练习

长短时记忆网络LSTM

1、LSTM神经网络的基本工作原理及MATLAB实现方法

2、案例演示一:时间序列预测(Time Series Forecasting)

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

10:30-12:00

理论讲解与案例演示

实操练习

强化学习

(增强学习)

1、强化学习的基本思想与原理介绍

2、Q-Learning算法详解

3、深度强化学习介绍

4、案例演示

14:00-15:00

理论讲解与课题讨论

深度学习热门研究方向

1、对抗生成网络(什么是对抗生成网络?为什么需要对抗生成网络?对抗生成网络可以帮我们做什么?)

2、专题讨论:数据VS.模型,孰更重要?(模型泛化性能不好,究竟是孰之过?)

15:00-16:00

理论讲解与案例演示

科研与创新方法概述

1、如何查阅文献资料?(你会使用Google Scholar、Sci-Hub、ResearchGate吗?应该去哪些地方查找与论文配套的数据和代码?)

2、如何高效率撰写专业论文?(SCI不同分区的论文差别在哪些地方?你知道你的论文为什么显得很单薄吗?)

3、从审稿人的角度看,SCI期刊论文需要具备哪些要素?(审稿人关注的点有哪些?如何回应审稿人提出的意见?)

4、如何提炼与挖掘创新点?(如果在算法层面上难以做出原创性的工作,如何结合自己的实际问题提炼与挖掘创新点?)

16:00-17:00

课堂讨论

复习与答疑

讨论与答疑

1、建立微信群,便于后期的讨论与答疑

2、讨论与答疑,解答学员的实际问题

3、相关学习资料分享与拷贝