【线下·郑州】脑影像机器学习实战班
时间 | 课程名称 | 时间 | |
第一天 | 上午 | 脑影像机器学习基础 | 1. 机器学习中的基本概念、分类与回归、交叉验证等 2. 机器学习模型的评价指标 3. 机器学习在脑影像数据分析中的应用 4. 机器学习的一般分析流程 |
下午 | MATLAB编程基础 | 1.基本数据结构(基于脑影像数据)及数据的读写 2.程序流控制 3.脚本和函数编写 4.机器学习工具箱介绍 | |
晚上 | 初识机器学习:一般线性回归 | 1.线性回归的概念 2.损失函数 3.梯度下降拟合参数 4.基于Matlab的实例练习(基于实际脑影像数据) | |
第二天 | 上午 | 支持向量机SVM | 1.SVM基本概念 2.SVM基本原理与简单推到 3.SVM中的核函数 |
下午 | 特征降维操作之PCA和特征选择方法 | 1.PCA的基本原理 2.基于Matlab的PCA实战操作 3.常用特征选择方法:相关、t检验等 | |
晚上 | SVM实战操作(分类)之一 | 1.LibSVM工具包的安装、测试; 2.SVM分类实战操作(基于实际脑影像数据,基于体素和连接) | |
第三天 | 上午 | SVM实战操作(回归)之二 | 3.SVM回归实战操作(基于实际脑影像数据,基于体素和连接) |
下午 |
PRONTO实战操作 | 1.PRONTO脑影像机器学习工具包的安装与介绍 2. PRONTO脑影像机器学习工具包的实战操作(基于实际脑影像数据) 3.结果解释、最终结果输出和展示 | |
晚上 | Lasso回归 | 1.Lasso回归原理 2.Lasso回归实践(基于实际脑影像数据) | |
第四天 | 上午 | 基于连接组学预测模型(connectome-based predictive modeling; CPM) | 1.CPM介绍及优势 2.CPM的流程 3.CPM的代码实现(保证学员带走后能持续使用) 4.使用CPM发表高质量文章讲解 |
下午 | 无监督学习之聚类分析 | 1.聚类分析的基本原理 2.聚类分析在脑影像数据分析中的应用 3.聚类分析实战操作 | |
晚上 | 线性判别分析(LDA)和朴素贝叶斯原理及实战 | 1.线性判别分析(LDA)基本原理 2.LDA实战操作 3.朴素贝叶斯分类器原理 4.朴素贝叶斯分类器实战操作 |
人数、地点和费用
学习班报名请扫码咨询
brainnews琪琪
(微信号:brainnews_11)
留言:郑州 脑影像机器