CME292科学计算的高级MATLAB

2022年冬季季度，由斯坦福ICME与MathWorks合作提供

时间:2022年冬季，1月3日- 1月31日，周一/周三，下午5:30-7:00

课程描述

这个8讲的短期课程的目标是介绍先进的MATLAB特性，语法和工具箱，传统上没有在入门课程中发现;应用程序将从科学计算的各种主题中提取。材料将通过课堂上涉及科学计算主题的例子和演示来加强。学生将通过一个迷你课程项目来练习所学的知识，该项目将基于建议的主题或他们自己选择的主题。涵盖的MATLAB主题将来自:高级图形和动画、MATLAB工具、数据管理、代码优化、面向对象编程和各种工具箱，包括优化、统计和机器学习、深度学习、并行计算和符号数学。学生应该期望接触MATLAB软件中可用的工具，高级MATLAB功能的知识和经验，以及作为MATLAB用户的独立性。成功完成课程需要完成一个小项目。

先决条件

在学习本课程之前，强烈建议有CME 192 (MATLAB入门)或其他语言的同等编程背景。推荐具备基本的数值方法、线性代数和机器学习知识，但不是必需的。

课程教学大纲

2022年冬季课程大纲已公布在这里．

主题

主题	课堂讲稿
MATLAB基础	讲座1
图形和数据可视化	第二讲第一部分
高效的代码编写	第二讲第二部分
系统与文件操作	第三讲第一部分
大数据处理	第三讲第二部分
应用数学-数值线性代数	第四讲第一部分
应用数学-数值优化	第四讲第二部分
应用数学-符号工具箱，ODE和PDE	第四讲第二部分
统计与机器学习	第五讲第一部分
深度学习	第五讲第二部分
面向对象编程	第六讲第一部分
使用MATLAB与其他编程语言	第6讲第二部分
图像处理，计算机视觉和图像采集	第七讲第一部分
信号处理，音频和DSP系统	第七讲第一部分
额外的话题

Acknolwedgement

课程材料改编自ICME校友Matthew J. Zahr (https://mjzahr.github.io/teach-stanford-cme292-spr15.html)，以及MathWorks提供的网上资源，包括网上课程(https://matlabacademy.mathworks.com/)及例子(//www.ru-cchi.com/help/examples.html)．以下是为准备课程材料而咨询的更详细的资料来源列表。

材料由xiranliu (ICME博士)重新格式化。特别感谢ICME的Hung Le博士和MathWorks的Reza Fazel-Rezai博士对课程教材改革的指导。

来自MathWorks的资源

• 数据处理与可视化的MATLAB (https://matlabacademy.mathworks.com/details/matlab-for-data-processing-and-visualization/mlvi）
• 用MATLAB进行机器学习(https://matlabacademy.mathworks.com/details/machine-learning-with-matlab/mlml）
• 基于MATLAB的深度学习(https://matlabacademy.mathworks.com/details/deep-learning-with-matlab/mldl）
• 信号处理入口(https://matlabacademy.mathworks.com/details/signal-processing-onramp/signalprocessing)
• 文档-体可视化(//www.ru-cchi.com/help/matlab/volume-visualization.html）
• 文档-有效使用记忆体的策略(//www.ru-cchi.com/help/matlab/matlab_prog/strategies-for-efficient-use-of-memory.html）
• 文档-解决"内存不足"错误(//www.ru-cchi.com/help/matlab/matlab_prog/resolving-out-of-memory-errors.html）
• 文档- MapReduce入门(//www.ru-cchi.com/help/matlab/import_export/getting-started-with-mapreduce.html）
• 文档-解偏微分方程(//www.ru-cchi.com/help/matlab/math/partial-differential-equations.html）
• 文档-从MATLAB调用Python (//www.ru-cchi.com/help/matlab/call-python-libraries.html）
• 例子-利用深度学习预测时间序列(//www.ru-cchi.com/help/deeplearning/ug/time-series-forecasting-using-deep-learning.html）
• 示例-使用扩展卷积的语义分割(//www.ru-cchi.com/help/vision/ug/semantic-segmentation-using-dilated-convolutions.html）
• 例子-使用音高和MFCC (//www.ru-cchi.com/help/audio/ug/speaker-identification-using-pitch-and-mfcc.html）
• 示例- MATLAB中的信号可视化和测量(//www.ru-cchi.com/help/dsp/ug/signal-visualization-and-measurements-in-matlab.html）