信号处理与机器学习
信号处理算法、体系结构和系统是现代技术的核心，这些技术在通信、机器人和自主导航、生物技术和娱乐等多种应用中生成、转换和解释信息。信号处理能力从早期更简单、基于模型的低带宽应用到目前这种广泛的影响范围，这是由于过去50年半导体技术的巨大进步，使得更快的计算和高密度的快速存取存储器变得越来越可用和更实惠。在过去的十年里，机器学习和深度学习使用不需要显式模型的数据驱动方法继续这一进步。这个重点领域包括理论、体系结构、实现和特定应用程序的课程。
主管教师：tokunbo ogunfunmi博士和sally woo博士
信号处理和机器学习中分区的程序规划信息
下面简要介绍的五个分区中的每一个都有不同的核心课程，尽管分区密切相关，课程通常会包含一些重叠部分。每个分区的课程指定了6个单元的必修重点领域课程和14个单元的分区课程和选修课。此外还包括对应用数学和广度课程的建议。咨询学术顾问关于这些样本项目，以符合你的特定兴趣，并建立在你以前的学术课程。
机器学习
机器学习基于有监督和无监督的学习方法从数据中提取信息。这包括了解图像内容、口语、印刷语言和大数据集，以用于广泛的应用，如自动驾驶、自然语言处理和医疗数据分析。人工智能在如此广阔的应用领域取得了重大进展，其快速增长建立在架构和实现上，而实现这些架构和实现是通过提高gpu和fpga并行处理以及大规模快速访问数据存储来实现的。
计算机视觉
计算机视觉从图像中提取内容信息，包括对图像中的物体进行检测和识别，从图像数据中建立物体的三维模型，以及解释用于导航和定位的场景信息。应用领域包括可搜索内容的图像数据、增强现实、机器人技术和自动驾驶车辆。该分区的课程既包括传统的基于模型的图像处理方法，也包括当前基于机器学习的数据驱动方法。
图像处理
图像处理利用线性和非线性信号处理技术分析和改进图像，从图像数据中提取信息。这包括图像恢复、超分辨率、医学成像应用中的图像重建、图像压缩、高动态范围映射以及图像预处理、调整大小和增强。
语音处理
语音处理领域研究语音信号的分析、合成和编码，这是人类语言交流的最常见形式。这包括线性预测编码、波形编码、量化、预测编码、变换编码、混合编码和子带编码。语音编码在
各种系统。语音和音频编码的国际和专有标准。语音编码器的实时sp实现。网络语音协议。语音和说话人识别，生物识别等的最新进展。语音处理中的深度学习应用。
理论与方法
信号处理理论和方法包含了这一重点领域的基础知识。它包括数字信号处理和滤波器设计的基本理论和使用统计方法进行检测和估计的课程。
针对想进一步了解的学生，可以关注我或者对我的文章进行评论点赞与我互动～也欢迎您到:石家庄市新华区中华北大街50号军创国际商务花园12楼 ，现场咨询。
