1.  
   课。程。目。标：
    
   课程定位为实战操作型培训，基于代码和案例，边讲解边实践。通过本课程的学习，能够使零基础学员熟练掌握Matlab基本知识，具备使用Matlab软件解决数据分析和数据挖掘问题的能力。
    
   课程环境：
    
   Win7或win8操作系统，学员提前安装Matlab2015b。
    
   课程大纲：
    
   主题
   内容
   大数据技术简介
    
   Matlab数据挖掘
   大数据技术与应用案例
   数据挖掘流程
   数据挖掘及其Matlab实现
   Matlab简介
   Matlab基本操作
   Matlab工作界面、窗口介绍
   Matlab帮助系统
   变量与数据类型
   常用函数，数组运算
   Matlab常用标点符号和常用快捷键、快捷命令
   绘图和可视化
    
   图形对象与图形命令
   二维图形绘制，三维图形绘制
   Matlab程序设计
   M文件——脚本文件和函数文件
   Matlab程序流程控制与调试
   Matlab与TXT文件的数据交换
   从TXT文件中读取数据
   把数据写入TXT文件
   Matlab与Excel文件的数据交换
   利用数据导入向导导入Excel文件
   调用函数读写Excel文件
   数据库连接
   数据库连接的Matlab实现
   网络数据读取
   决策树
   创建决策树
   分裂属性的选择
   决策树剪枝
   最近邻
   KNN算法
   基于KNN算法的预测
   回归分析
   一元线性回归
   一元非线性回归
   多元线性和广义线性回归
   多元非线性回归
   多项式回归
   神经网络（1）
   BP神经网络
   径向基函数神经网络
   自组织映射神经网络
   概率神经网络
   神经网络（2）
    
   神经网络拟合工具箱
   神经网络聚类工具箱
   神经网络模式识别工具箱
   神经网络时间序列工具箱
   贝叶斯分类
   判别分析
   支持向量机
   创建多类朴素贝叶斯模型
   判别分析分类器
   线性支持向量机
   非线性支持向量机
   集成学习
   Boosting
   Bagging
   随机森林
   聚类分析
   层次聚类
   K-Means聚类和K-Medoids聚类
   高斯混合模型
   聚类可视化和评估
   模型评估与模型选择
   降维和特征选择
   模型评估度量、模型选择
   主成分分析
   深度学习简介及案例
   Autoencoder
   基于深度学习的字符识别
    
          
2. 
    
     ；
3. 
    
    
4. 
   
   

 
 

 

"