本课程详细介绍了经典机器学习算法（BP神经网络、支持向量机、决策树、随机森林）与深度学习模型（卷积神经网络、长短时记忆神经网络、迁移学习、生成式对抗网络、YOLO目标检测、U-Net语义分割、自编码器）的工作原理，并基于MATLAB深度学习工具箱展示了上述模型的具体代码实现过程。本课程的最大特色是代码全部采用实时脚本编写，实现原理与代码的无缝衔接，且模型涉及的超参数均可以通过实时脚本内置控件调整，便于读者沉浸式学习本课程内容。
本课程由山西大学复杂系统研究所郁磊副教授开发完成。未取得授权的情况下，请勿私自传播，传播形式包括但不限于：拷贝、传输、打印等。授权相关事宜请通过电子邮件沟通联系（Email: yulei@sxu.edu.cn）。 本课程在开发过程中得到了迈斯沃克软件（北京）有限公司与教育部产学合作协同育人项目的支持。 每个章节中，需要先将数据文件解压缩，然后放到与*.mlx格式文件同一路径下。 Class_08、Class_10、Class_11、Class_13中的数据文件太大，无法上传，如有需要，请通过电子邮件沟通联系（Email: yulei@sxu.edu.cn）。