fbpx

中文課程 – 傅立葉轉換的基礎與應用

課程簡介

深入淺出,通過 MATLAB 和 Python 的方式深入學習傅立葉轉換

課程介紹:简中

從這 5 小時的課程,你會學到

  • 傅立葉轉換的理論和計算基礎,特別是如何將傅立葉轉換應用到訊號處理、資料分析和影象濾波中去。本課程不僅僅包含基礎內容,而且也包含傅立葉轉換的高階技巧,如非平穩性的作用,頻譜解析度,標準化,濾波等。所有的視訊都包含 MATLAB 和Python的程式碼,你可以通過學習和使用它們來更好的理解傅立葉轉換,也可以使用相關的程式碼來解決你當前遇到的問題。

要求

  • 一點點高中程度的數學
  • 會一些 MATLAB 或者 python 的程式設計,不會的話,課程也會教
  • 之前完全不用懂什麼是傅立葉變換
  • 對傅立葉轉換感興趣

課程說明

你可以在本課程中通過MATLAB和Python的方式深入學習傅立葉轉換,及其在數位訊號處理和影象處理中的應用。

傅立葉轉換是現代人類文明中最重要的技術之一。大到引力波的發現(引力波的主結果就是基於傅立葉轉換的時頻分析結果),神經科學研究的最前沿,小到修圖演算法(PS,濾鏡)、修音演算法,甚至到現代生活的最基本需求:WiFi或者4G訊號,你都能從其中看到傅立葉轉換的身影。但是它的機制又是什麼呢?除去那些複雜的數學公式,我們能簡單的從概念上理解它,然後再輕而易舉的利用它麼?

在本課程中,你會學到:

傅立葉轉換的理論和計算基礎,特別是如何將傅立葉轉換應用到訊號處理、資料分析和影像濾波中去。本課程不僅僅包含基礎內容,而且也包含傅立葉轉換的高階技巧,如非平穩性的作用,頻譜解析度,標準化,濾波等。所有的影片都包含MATLAB 和 Python 的程式碼,你可以通過學習和使用它們來更好的理解傅立葉轉換,也可以使用相關的程式碼來解決你當前遇到的問題。

本課程著重在如何通過電腦實現傅立葉轉換,並深入剖析其在數位訊號處理(一維資料)和影像處理(二維資料)上的應用。我們在這裡並非要推導關於傅立葉轉換的數學,而更多的是關於其在電腦科學、資料科學、工程學上的應用。

本課程十分適合想要成為以下人群的(或已經是以下人群的)人學習:

  • 資料科學家
  • 統計學家
  • 電腦科學家(MATLAB或Python方向)
  • 訊號處理或影像處理專家
  • 生物學家
  • 工程師
  • 學生

目標受眾

  • 學習傅立葉轉換的學生
  • 需要傅立葉轉換的科研工作者
  • 需要做頻譜分析的資料科學家
  • 用過傅立葉轉換,但不知道具體到底是怎麼工作的人
  • 需要最佳化傅立葉轉換演算法的程式設計師

講師簡介

Mike X Cohen 神經科學家,教師,作家

我是一名神經科學家(腦科學家) ,是荷蘭 Radboud 大學的副教授。 我有一個活躍的研究實驗室,由美國、德國、荷蘭政府、歐盟、醫院和私人組織資助。

但是你在這裡是因為我的教學,所以讓我告訴你:

我有超過17年的教學經驗,教學規劃,資料分析,訊號處理,統計學,線性代數和實驗設計。 我教過本科生,博士候選人,博士後研究人員,以及全職教授。 我在”傳統”大學課程、為期一週的特別強化課程和諾貝爾獎獲獎研究實驗室教書。 我有50個小時的線上講座,你可以在我的網站和 youtube 頻道上找到。 我還寫過幾本關於這些話題的技術書籍(在亞馬遜上查閱!) 還有一些還在進行中。

我並不是想炫耀——我只是想說服你,你已經到了一個正確的地方,從一個花了近二十年精煉和完善教學風格的老師那裡學到最多的東西。

觀看我的 MATLAB 程式設計課程的介紹性講座,在課程中我解釋了我的教學哲學和風格。 我希望很快能見到你!

根據大眾的要求,這裡有一些針對不同教育目標的課程進度建議:

程式設計: 學習 MATLAB 程式設計,掌握 MATLAB,影像處理

應用線性代數: 完全線性代數,維度減化

訊號處理: 瞭解傅立葉轉換,模擬資料,訊號處理

Biao Han PhD

韓彪博士2016年於法國圖盧茲大學和法國國家科學研究中心獲得神經科學博士學位。畢業後,加入荷蘭拉德堡德大學唐德思大腦、認知和行為學研究所進行博士後研究。

韓彪博士長期從事人類大腦內神經時間序列訊號(如頭皮腦電資料、腦磁圖資料和顱內腦電資料)的分析工作,對時間序列訊號的頻域轉換,特別是基於傅立葉變換的頻域分析和基於小波變換的時頻分析方法有非常深入的理解。

優惠資訊

如何購買這門課程比較划算?可以參考課程折扣優惠連結


報名參加課程

Sponsored by Udemy

也許你會有興趣

 學習資訊不漏接-歡迎使用 App 訂閱發文通知 

Spread the love

這個網站採用 Akismet 服務減少垃圾留言。進一步瞭解 Akismet 如何處理網站訪客的留言資料

Powered by WordPress.com.

Up ↑

%d 位部落客按了讚: