?
課程目標(biāo):
?
課程定位為實(shí)戰(zhàn)操作型培訓(xùn),基于代碼和案例,邊講解邊實(shí)踐。通過本課程的學(xué)習(xí),能夠使零基礎(chǔ)學(xué)員熟練掌握Matlab基本知識(shí),具備使用Matlab軟件解決數(shù)據(jù)分析和數(shù)據(jù)挖掘問題的能力。
?
課程環(huán)境:
?
Win7或win8操作系統(tǒng),學(xué)員提前安裝Matlab2015b。
?
課程大綱:
?
|
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Excel文件
|
|
數(shù)據(jù)庫連接
|
數(shù)據(jù)庫連接的Matlab實(shí)現(xiàn)
網(wǎng)絡(luò)數(shù)據(jù)讀取
|
|
決策樹
|
創(chuàng)建決策樹
分裂屬性的選擇
決策樹剪枝
|
|
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
|
?
?
以上課程可以根據(jù)客戶實(shí)際情況進(jìn)行靈活調(diào)整。