友情鏈接:
                             
      SonarQube培訓(xùn)  |  
      MeterSphere培訓(xùn)  |  
      MeterSphere培訓(xùn)  |  
      汽車電子總線協(xié)議培訓(xùn)   
                                         
          
              版權(quán)所有 

曙海教學(xué)優(yōu)勢(shì)
課程可定制,線上/線下/上門(mén)皆可,報(bào)名熱線:4008699035。本課程以項(xiàng)目實(shí)戰(zhàn)案例實(shí)現(xiàn)為主線,面向企事業(yè)單位項(xiàng)目開(kāi)發(fā)實(shí)際,秉承21年積累的教學(xué)和研發(fā)經(jīng)驗(yàn),培訓(xùn)講師將會(huì)與您分享設(shè)計(jì)的全流程以及工具的綜合使用經(jīng)驗(yàn)以及技巧。
  我們的課程培養(yǎng)了大批受企業(yè)歡迎的工程師。曙海培訓(xùn)的課程在業(yè)內(nèi)有廣泛的美譽(yù)度。大批企業(yè)和曙海
     建立了良好的合作關(guān)系,20多年來(lái),合作企事業(yè)單位以達(dá)30多萬(wàn)。
?
| 
 主題 
 | 
 內(nèi)容 
 | 
| 
 大數(shù)據(jù)技術(shù)簡(jiǎn)介 
? 
Matlab數(shù)據(jù)挖掘 
 | 
 大數(shù)據(jù)技術(shù)與應(yīng)用案例 
數(shù)據(jù)挖掘流程 
數(shù)據(jù)挖掘及其Matlab實(shí)現(xiàn) 
 | 
| 
 Matlab簡(jiǎn)介 
Matlab基本操作 
 | 
 Matlab工作界面、窗口介紹 
Matlab幫助系統(tǒng) 
變量與數(shù)據(jù)類型 
常用函數(shù),數(shù)組運(yùn)算 
Matlab常用標(biāo)點(diǎn)符號(hào)和常用快捷鍵、快捷命令 
 | 
| 
 繪圖和可視化 
? 
 | 
 圖形對(duì)象與圖形命令 
二維圖形繪制,三維圖形繪制 
 | 
| 
 Matlab程序設(shè)計(jì) 
 | 
 M文件——腳本文件和函數(shù)文件 
Matlab程序流程控制與調(diào)試 
 | 
| 
 Matlab與TXT文件的數(shù)據(jù)交換 
 | 
 從TXT文件中讀取數(shù)據(jù) 
把數(shù)據(jù)寫(xiě)入TXT文件 
 | 
| 
 Matlab與Excel文件的數(shù)據(jù)交換 
 | 
 利用數(shù)據(jù)導(dǎo)入向?qū)?dǎo)入Excel文件 
調(diào)用函數(shù)讀寫(xiě)Excel文件 
 | 
| 
 數(shù)據(jù)庫(kù)連接 
 | 
 數(shù)據(jù)庫(kù)連接的Matlab實(shí)現(xiàn) 
網(wǎng)絡(luò)數(shù)據(jù)讀取 
 | 
| 
 決策樹(shù) 
 | 
 創(chuàng)建決策樹(shù) 
分裂屬性的選擇 
決策樹(shù)剪枝 
 | 
| 
 最近鄰 
 | 
 KNN算法 
基于KNN算法的預(yù)測(cè) 
 | 
| 
 回歸分析 
 | 
 一元線性回歸 
一元非線性回歸 
多元線性和廣義線性回歸 
多元非線性回歸 
多項(xiàng)式回歸 
 | 
| 
 神經(jīng)網(wǎng)絡(luò)(1) 
 | 
 BP神經(jīng)網(wǎng)絡(luò) 
徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) 
自組織映射神經(jīng)網(wǎng)絡(luò) 
概率神經(jīng)網(wǎng)絡(luò) 
 | 
| 
 神經(jīng)網(wǎng)絡(luò)(2) 
? 
 | 
 神經(jīng)網(wǎng)絡(luò)擬合工具箱 
神經(jīng)網(wǎng)絡(luò)聚類工具箱 
神經(jīng)網(wǎng)絡(luò)模式識(shí)別工具箱 
神經(jīng)網(wǎng)絡(luò)時(shí)間序列工具箱 
 | 
| 
 貝葉斯分類 
判別分析 
支持向量機(jī) 
 | 
 創(chuàng)建多類樸素貝葉斯模型 
判別分析分類器 
線性支持向量機(jī) 
非線性支持向量機(jī) 
 | 
| 
 集成學(xué)習(xí) 
 | 
 Boosting 
Bagging 
隨機(jī)森林 
 | 
| 
 聚類分析 
 | 
 層次聚類 
K-Means聚類和K-Medoids聚類 
高斯混合模型 
聚類可視化和評(píng)估 
 | 
| 
 模型評(píng)估與模型選擇 
降維和特征選擇 
 | 
 模型評(píng)估度量、模型選擇 
主成分分析 
 | 
| 
 深度學(xué)習(xí)簡(jiǎn)介及案例 
 | 
 Autoencoder 
基于深度學(xué)習(xí)的字符識(shí)別 
 |