在人工智能与电磁学融合的背景下，电磁学研究正经历革命。人工智能技术在电磁仿真加速、天线设计优化、电磁兼容性分析、逆向电磁问题求解、自适应滤波器设计及电磁设计自动化等方面展现出巨大潜力，显著提升了传统电磁场与波研究的效率和精度，推动了通信、雷达及无线能量传输等领域的发展。
与此同时，人工智能与光子学设计融合创新，科研的边界持续扩展，研究成果不断涌现。从理论模型的整合到光学现象的复杂模拟，从数据驱动的探索到光场的智能分析，机器学习正以前所未有的动力推动光子学领域的革新。
COMSOL多物理场仿真因其高效计算和多场耦合分析特性，已成科研与工程建模/计算的利器。将COMSOL仿真引入实验中，可视化处理与实验数据相结合，大大强化了文章的说服力与新颖性。
FDTD Solutions是一款先进的微纳光学设计工具，采用时域有限差分（FDTD）方法精确求解麦克斯韦方程组，适用于CMOS图像传感器、OLED、液晶、表面等离子体、石墨烯、太阳能电池、集成光子组件、超材料、衍射光学和光子晶体的设计与仿真。软件支持空间滤波、场极化、磁场模拟及周期性结构分析等功能，为电磁和光子学问题提供直接的时空解决方案。
为了满足广大科研人员对机器学习与光子学设计/电磁学/COMSOL/FDTD深入学习与高效应用的需求，特举办“人工智能在电磁场与微波技术专业的应用”、“机器学习赋能的智能光子学器件系统研究与应用”、“FDTD Solutions（时域有限差分）仿真技术与应用”及“COMSOL Multiphysics多物理场仿真技术与应用-光电专题（四十期）”培训班，本次培训会议主办方为北京软研国际信息技术研究院，承办方为互动派（北京）教育科技有限公司，相关事宜通知如下：
专题一 (直播4天) | （详情内容点击上方名称查看） 2024年10月26日-10月27日 2024年11月02日-11月03日 | |
专题二 (直播4天) | （详情内容点击上方名称查看） 2024年10月26日-10月27日 2024年11月02日-11月03日 | |
专题三 (直播4天) | （详情内容点击上方名称查看） 2024年10月19日-10月20日 2024年10月26日-10月27日 | |
专题四 (直播4天) | （详情内容点击上方名称查看） 2024年10月19日-10月20日 2024年10月26日-10月27日 | |
计算机科学与工程、电气工程、通信工程、电力工程、物理学、电子工程、材料科学、工业通用技术、汽车工程、微波工程、机械工程、建筑科学、土木工程、航空航天、光电工程、微纳光学、超构材料、光通信、光电子器件及自动化技术等领域的科研人员、工程师及相关行业从业者、跨领域研究人员。
人工智能在电磁场与微波技术专业的应用
一、神经网络入门 +手写体识别（理论+实操） Ø MNIST数据集 Ø 网络结构 Ø 模型训练 Ø 输出结果 | |
二、一维卷积自编码器构建滤波器电磁仿真模型的替代模型（理论+实操） 理论内容：（1D-CAE 模型构建、样本数据的获取、1D-CAE 模型搭建、1D-CAE 模型的评估方法） 实例操作： Ø 基于1D-CAE 模型和PSO 算法的六阶陶瓷介质滤波器设计 Ø 基于1D-CAE 模型和PSO 算法的八阶陶瓷介质滤波器设计 Ø 基于1D-CAE 模型和PSO 算法的SLSL耦合器设计 Ø 基于1D-CAE 模型和PSO 算法的D-CRLH 滤波器设计 | |
三、基于随机森林算法确定待优化设计参数的优化权重（理论+实操） 理论内容：（算法框架 、数据处理 、算法实现 、评估方法 ） 实例操作： Ø 双模介质滤波器的几何参数权重预测 Ø 八阶腔体滤波器的几何参数权重预测 | |
四、基于指标区间法的 PSO 算法阶段式智能优化算法（理论+实操） 理论内容：（算法框架与实验设置、改进的PSO指标区间法 、代理模型的搭建及训练、实验数据的获取 、实验环境） 实例操作： Ø 四阶腔体滤波器的算法优化 Ø 八阶腔体滤波器的算法优化 Ø 六阶腔体滤波器的算法优化 | |
五、基于自适应更新代理模型辅助 PSO 优化算法（理论+实操） 理论内容：（算法框架与实验设置、基于在线数据驱动的代理模型自适应更新、代理模型的搭建及训练、实验数据的获取、实验环境） 实例操作： Ø 双模介质滤波器算法优化 Ø 六阶介质滤波器的算法优化 Ø 四阶腔体滤波器的算法优化 | |
六、基于1D-CNN提取耦合矩阵的滤波器设计方法（理论+实操） 理论内容：（基于1D-CNN 模型的耦合矩阵提取方法、数据生成及处理、1D-CNN 模型构建、网络训练与优化、相位加载效应的消除） 实例操作： Ø 四阶腔体滤波器的设计实例 Ø 六阶腔体滤波器的设计实例 | |
七、matlab实现矢量拟合法（理论+实操） 理论内容：（数据文件与介绍、矢量拟合原理与程序函数调用、matlab实现矢量拟合法步骤） 实例操作：根据频率响应实现矢量拟合、矩阵拟合等 | |
八、基于代理模型辅助MOEA/D的微波滤波器件多目标优化算法（理论+实操） 理论内容：（算法基础模块与框架介绍、代理模型自适应采样模块、代理模型建立模块） 实例操作：微波双工器优化实例验证 | |
九、基于自适应权重向量MOEA/D的微波滤波器件优化算法（理论+实操） 理论内容：（MOEA/D-ANWV、权重向量更新机制、总体算法框架） 实例操作: Ø 金属腔体滤波器的算法优化 Ø 金属腔体双工器的算法优化 | |
十、微波滤波器件智能多目标辅助调试算法（理论+实操） 理论内容：（微波滤波器件智能辅助调试算法框架+微波滤波器件仿真调试验证） 实例操作： Ø 金属腔体滤波器的仿真智能调试 Ø 金属腔体双工器的仿真智能调试 | |
十一、微波滤波器件智能多目标辅助调试算法（理论+实操） 理论内容：（基于自编码器代理模型和全连接神经网络的天线优化设计方案、AE-ANN天线优化设计方案整体框架、AE-ANN天线优化设计方案实现步骤） 实例操作： Ø “北斗”卫星微带贴片天线 Ø 数据集的获取和数据预处理 Ø 自编码器代理模型和全连接神经网络模型的搭建和训练 Ø 优化结果分析 | |
十二、基于卷积自编码器代理模型和粒子群算法的天线优化设计（理论+实操） 理论内容：（CAE-PSO天线优化设计方案整体框架、CAE-PSO天线优化设计方案实现步骤） 实例操作： Ø 同轴馈电矩形微带天线 Ø 数据集的获取和数据预处理 Ø 卷积自编码器代理模型的搭建和训练 Ø 粒子群优化算法设计 Ø 优化结果分析 | |
十三、电磁学时域有限差分法 Ø 时域有限差分法的基本方程 Ø 导数的差分近似 Ø 三维问题的FDTD更新方程 数值稳定性和色散 Ø 时域算法中的稳定性 Ø FDTD方法的CFL稳定条件 Ø 数值色散 在Yee网格中创建目标 Ø 目标的定义 Ø 媒质近似 Ø 创建媒质网格 有/无源集总参数电路 Ø FDTD中元件的更新公式 Ø 元件的定义、初始化和模拟 Ø 正弦波电源激励的电阻 激励源与时频变换 Ø 常用FDTD仿真波形 Ø 激励源的定义和初始化 Ø 时城与频域的相互变换 散射参量 Ø S参量和回波损耗的定义 Ø S参数的计算 Ø 1/4波长变换器 卷积完美匹配层 Ø CPML的公式及算法 Ø CPML参数分布 Ø 微带线的S参数 |
部分案例图示：
机器学习赋能的智能光子学器件系统研究与应用
课程背景 | ||
课程针对希望了解和掌握在集成光学/空间光学方面的器件、系统和算法结合应用的科研人员及开发者。课程主要为光子学与机器学习的交叉学科理论讲解与结合案例实操的技术讲解，以期衔接常见机器学习模型及框架的使用与各种光学器件和系统实际应用中的间隔。先介绍常用的光子学仿真设计手段与基于 Python 语言的机器学习框架，讲解机器学习的基本算法与当前实用的几种深度学习网络架构，并结合前沿的文献案例进行示例演示与练习，案例涵盖 Science 等顶刊（开阔视野）与科研中较为实用的期刊（难度适中，便于快速掌握及取得成果），有利于短期及中长期的科研和开发流程。最后针对讲解当前最新的前沿进展应用，抛砖引玉，增进对于机器学习在光子学中的应用的深度理解。 | ||
智能光子学绪论 | 1.1 空间光学系统与集成微纳光子学系统概论 1.2 机器学习和人工智能的基本概念与发展历程 1.3 机器学习方法在光子学设计中的应用简介 1.4 光子学器件构建神经网络的应用简介 | |
光子学器件仿真软件基础与器件逆向设计 | 2.1 光子学器件的主要设计目标和调控方法 2.2 Rsoft, Ansys optics 光子学仿真软件介绍与基本操作 2.3 时域有限差分方法与空间光场模拟 案例分析：传播相位与几何相位超构单元仿真与器件库提取与二维超构透镜设计与传播光场仿真 2.4 波导器件仿真与片上光学系统设计 案例分析：片上的超构单元仿真与光学参数提取 2.5 基于仿真软件的光子学逆向设计 Ø 光子学逆向设计的概念 Ø 基于粒子群算法的光学器件优化 Ø 基于伴随方法的光子学器件优化 案例分析：基于粒子群方法的耦合器设计 | |
机器学习方法简介与 Python 软件基础 | 3.1 机器学习基础概念 3.2 监督学习与无监督学习 3.3 简单常用算法简介（如线性回归、SVM 等） 3.4 Python 编程基础 Ø Python 环境搭建与工具介绍（如 Jupyter Notebook） Ø 基本语法与数据结构 Ø NumPy 等库的使用 Ø 数据可视化工具（如 Matplotlib 等） Ø 深度学习框架 Pytorch 简介 | |
常用的深度神经网络简介与 Python 实现 | 4.1 深度学习简介 4.2 神经网络基础概念与结构 4.3 深度学习的基本原理与训练过程 4.4 常用深度网络模型简介 Ø 全连接网络(FC） Ø 卷积神经网络（CNN） Ø 带历史记忆的网络（如 RNN） 4.5 案例分析：基于 Python 的几种神经网络构建 Ø 全连接网络 Ø 卷积神经网络 Ø U-Net 4.6 一个基本的全连接网络模型的搭建与训练 | |
深度学习在微纳光子学中的应用 | 5.1 微纳光子器件的基本原理与常见结构 5.2 基于深度学习的光谱预测与逆向设计 案例分析：一维的和二维的全介质和金属SPR 材料的光谱预测与逆向设计 5.3 基于机器学习的电磁近场预测和逆向设计 案例分析：介质超构表面的近场调控设计 5.4 基于深度学习的超构单元生成 案例分析：基于生成-对抗网络的电磁调控结构定制化生成 | |
深度学习在其他光学系统中的应用 | 6.1 深度学习在多样化的光学系统中的应用概述 6.2 深度学习在计算成像中的应用 案例分析：深度学习增强的非线性光纤单像素成像系统 6.3 深度学习在图像处理中的应用 | |
光子学器件赋能的深度神经网络应用 | 7.1 光子学器件在深度学习中的应用概述 7.2 基于光学矩阵-向量相乘的卷积加速器 7.3 衍射光学神经网络 案例分析：基于片上衍射神经网络的超构光学系统用于图像分类 7.4 光学神经网络的优势与挑战 | |
机器学习与光子学的高阶应用介绍与未来展望 | 8.1 深度学习赋能光子芯片制造 案例分析：通过机器学习优化工艺容差与器件性能 8.2 机器学习赋能的传统光学仪器增强 案例分析：基于深度学习的高分辨红外热波段雷达 8.3 光子学硬件赋能的低功耗信息处理 案例分析：基于衍射神经网络的太赫兹光学处理器（Science） 8.4 非典型机器学习系统——万物皆可机器学习（Nature） | |
部分案例展示：
COMSOL 多物理场仿真技术与应用-光电专题（四十期）
（一）案列应用实操教学： | ||
案例一 | 光子晶体能带分析、能谱计算、光纤模态计算、微腔腔膜求解 | |
案例二 | 类比凝聚态领域魔角石墨烯的moiré 光子晶体建模以及物理分析 | |
案例三 | 传播表面等离激元和表面等离激元光栅等 | |
案例四 | 超材料和超表面仿真设计，周期性超表面透射反射分析 | |
案例五 | 光力、光扭矩、光镊力势场计算 | |
案例六 | 波导模型（表面等离激元、石墨烯等）本征模式分析、各种类型波导传输效率求解 | |
案例七 | 光-热耦合案例 | |
案例八 | 天线模型 | |
案例九 | 二维材料如石墨烯建模 | |
案例十 | 基于微纳结构的电场增强生物探测 | |
案例十一 | 散射体的散射，吸收和消光截面的计算 | |
案例十二 | 拓扑光子学：拓扑边缘态和高阶拓扑角态应用仿真 | |
案例十三 | 二硫化钼的拉曼散射 | |
案例十四 | 磁化的等离子体、各向异性的液晶、手性介质的仿真 | |
案例十五 | 光学系统的连续谱束缚态 | |
案例十六 | 片上微纳结构拓扑优化设计(特殊情况下，利用二维系统来有效优化三维问题) | |
案例十七 | 形状优化反设计：利用形状优化设计波导带通滤波器 | |
案例十八 | 非厄米光学系统的奇异点：包括PT对称波导结构和光子晶体板系统等 | |
案例十九 | 微纳结构的非线性增强效应，以及共振模式的多极展开分析 | |
案例二十 | 学员感兴趣的其他案例 | |
（二） 软件操作系统教学： | ||
COMSOL 软件入门 | 初识COMSOL仿真——以多个具体的案例建立COMSOL仿真框架，建立COMSOL仿真思路，熟悉软件的使用方法 | |
COMSOL软件基本操作 Ø 参数，变量，探针等设置方法、几何建模 Ø 基本函数设置方法，如插值函数、解析函数、分段函数等 Ø 特殊函数的设置方法，如积分、求极值、求平均值等 Ø 高效的网格划分 | ||
前处理和后处理的技巧讲解 Ø 特殊变量的定义，如散射截面，微腔模式体积等 Ø 如何利用软件的绘图功能绘制不同类型的数据图和动画 Ø 数据和动画导出 Ø 不同类型求解器的使用场景和方法 | ||
COMSOL 软件进阶 | COMSOL中RF、波动光学模块仿真基础 Ø COMSOL中求解电磁场的步骤 Ø RF、波动光学模块的应用领域 | |
RF、波动光学模块内置方程解析推导 Ø 亥姆霍兹方程在COMSOL中的求解形式 Ø RF方程弱形式解析，以及修改方法(模拟特殊本构关系的物质) Ø 深入探索从模拟中获得的结果 （如电磁场分布、功率损耗、传输和反射、阻抗和品质因子等） | ||
边界条件和域条件的使用方法 Ø 完美磁导体和完美电导体的作用和使用场景 Ø 阻抗边界条件、过度边界条件、散射边界条件、周期性边界条件的作用 Ø 求解域条件：完美匹配层的理论基础和使用场景、 PML网格划分标准 Ø 远场域和背景场域的使用 Ø 端口使用场景和方法 Ø 波束包络物理场的使用详解 | ||
波源设置 Ø 散射边界和端口边界的使用方法和技巧（波失方向和极化方向设置、S参数、反射率和透射率的计算和提取、高阶衍射通道反射投射效率的计算） Ø 频域计算、时域计算 Ø 点源，如电偶极子和磁偶极子的使用方法 | ||
材料设置 Ø 计算模拟中各向同性，各向异性，金属介电和非线性等材料的设置 Ø 二维材料，如石墨烯、MoS2的设置 Ø 特殊本构关系材料的计算模拟(需要修改内置的弱表达式) | ||
网格设置 Ø 精确仿真电磁场所需的网格划分标准 Ø 网格的优化 Ø 案列教学 | ||
COMSOL WITH MATLAB功能简介 Ø COMSOL WITH MATLAB 进行复杂的物理场或者集合模型的建立(如超表面波前的衍射计算) Ø COMSOL WITH MATLAB 进行复杂函数的设置(如石墨烯电导函数的设置和仿真) Ø COMSOL WITH MATLAB 进行高级求解运算和后处理 Ø COMSOL WITH MATLAB求解具有色散材料的能带 | ||
部分案例图示：
FDTD Solutions（时域有限差分）仿真技术与应用
基础入门 | ||
FDTD Solutions 求解物理问题的方法 | Ø FDTD与麦克斯韦方程 Ø FDTD中的网格化 | |
FDTD Solutions 功能与使用 | Ø 主窗口——CAD人机交互界面 Ø 计算机辅助设计（CAD）模拟编辑器: Ø 主标题栏、工具条 Ø 实体对象树实体对象库 Ø 脚本提示与脚本编辑窗口 | |
软件操作 | ||
几何结构 | Ø 简单几何结构的添加 Ø 通过脚本添加几何结构 Ø 通过函数定义曲面 | |
FDTD设置 | Ø 计算空间的确定 Ø 各种边界条件的设定以及应用范围 Ø PML设定以及其适用条件 Ø Auto shutoff min的设定 | |
激励光源 | Ø 各种预设光源的特点 Ø 脚本添加各种光源以及设置 Ø 导入外部光源 | |
监视器的添加与使用 | Ø 各类监视器的特点与应用 Ø 脚本添加与设置监视器 Ø 脚本获取监视器数据 | |
优化与扫描 | Ø 结构参数扫描的设置 Ø 扫描结构的可视化 Ø 后续数据处理 | |
结构组与分析组(Object library) | Ø 结构组添加与设置（以Hexagonal lattice PC array为例） Ø 分析组的添加与设置（以Power absorbed为例） | |
材料添加与拟合 | Ø 导入材料折射率（介电常数） Ø 材料拟合（拟合公差、虚部权重） | |
网格设置与结果分析 | Ø 对比FDTD内置网格 Ø 脚本实现结果的可视化与后期数据处理 | |
仿真实例 | ||
Ø 金属薄膜中金纳米孔阵列透射与反射， 并考虑其近场电磁分布 | ||
Ø 利用脚本进行电磁场及其光学响应的可视化 | ||
Ø 设置EOT型超表面结构，以及Structure library的使用 | ||
Ø 结构的参数化扫描与结果可视化 | ||
Ø 利用脚本计算峰值增强因子 | ||
Ø 多层平面结构激发Tamm等离激元诱导强光学吸收 | ||
Ø 金属小球Mie散射模型构建及脚本远场近场结果可视化 | ||
Ø 利用脚本计算热载流子产生空间分布 | ||
Ø 斜入射下光学传感器的光学响应及其边界条件的设置 | ||
Ø 利用S参数分析组并通过脚本实现金属纳米小球的吸收/散射消光与近场增强的计算 | ||
Ø 热电子光探测器的电磁场空间分布与FDTD材料折射率的导出（脚本计算不同金属层的吸收） | ||
实例进阶 | ||
Ø 平面结热电子光探测器：激发光学Tamm 态： ----（根据发表在ACS Nano上的论文） | ||
Ø 双微腔热电子光探测器：激发微腔共振： -----(根据发表在Nanoscale上的论文) | ||
Ø 热电子光学传感器：表面波激发： -----（根据发表在ACS Nano上的论文） | ||
Ø 金属-介质-金属光学微腔宽带吸收器： -----（根据发表在Photonics Research上的论文） | ||
Ø Pancharatnam-Berry型超构表面： -----（根据发表在Science上的论文） | ||
部分案例图示：
电磁场与微波技术专题
1、跨学科融合：课程内容融合了电磁学、人工智能、数据科学等多个学科的知识，体现了跨学科学习的特点
2、智能辅助调试：课程介绍了如何使用人工智能算法进行智能辅助调试，这可以大大提高设计和测试的效率。
3、多样化的算法应用：课程介绍了多种人工智能算法，如神经网络、卷积自编码器、随机森林、粒子群优化（PSO）算法等，并展示了如何将这些算法应用于电磁学问题的求解。
4、优化算法的深入研究：课程深入探讨了多种优化算法，包括基于代理模型的优化、多目标优化算法等，这些都是电磁器件设计中的关键技术前沿技术探索。
5、数据预处理和分析：课程强调了数据预处理和分析的重要性，这是进行有效电磁计算和优化的前提。
6、实际应用案例：课程提供了多个实际应用案例，如滤波器设计、天线优化等，这些案例有助于理解人工智能在电磁学领域的实际应用。
7、理论与实践相结合：课程不仅涵盖了人工智能在电磁计算中的理论基础，还提供了实际操作的实例，使学生能够通过实践来加深对理论的理解。
机器学习与光子学设计专题
1、理论与实践结合：课程不仅讲解理论知识，还通过案例实操，如仿真设计手段和基于Python的机器学习框架，使学员能够将理论应用于实践。
2、实践操作与案例分析：课程强调通过实际案例分析和操作，使学员能够深入理解并应用机器学习模型和框架到光子学器件与系统中。
3、前沿技术与应用：课程内容紧跟科学前沿，包括最新的光子学仿真设计手段、深度学习网络架构，以及它们在光子学设计中的应用。
4、软件工具与编程基础：课程提供了光子学仿真软件（如Rsoft, Ansys optics）和Python编程语言的详细介绍，包括机器学习库和深度学习框架Pytorch的使用。
5、深度学习在光子学中的应用：特别强调深度学习技术在微纳光子学、计算成像和图像处理等领域的应用，以及如何通过深度学习进行光谱预测和逆向设计。
6、未来技术趋势与展望：课程不仅介绍了当前的技术应用，还探讨了机器学习与光子学结合的未来趋势，如光子芯片制造、光学仪器增强和低功耗信息处理等。
COMSOL光电专题
1、基础入门阶段采用Step by step的教学方式带着做具体的案例，在案例中学习COMSOL应用必备技能，帮助学员快速掌握COMSOL的仿真框架，建立正确的仿真思路。
2、通过模块详解掌握各种边界条件和域条件的设置方法和技巧，区分每个边界条件或域条件应该在什么场景中应用。
3、掌握精确仿真电磁场所需的网格划分标准及优化技巧，深入探索从模拟中获得的结果（如分析设计方案中的电磁场分布、功率损耗、传输和反射、阻抗和品质因子等），对光子器件、集成光路、光波导、耦合器、光纤等设计进行优化。
4、应用COMSOL WITH MATLAB 进行复杂物理场的建立或者集合模型的建立，如超表面波前的衍射计算、石墨烯电导函数的仿真、具有色散材料的能带求解等。
5、整个课程通过多个场景案例的应用讲解，了解借助 COMSOL在理想或多物理场环境下分析、评估、预测射频、微波和毫米波等行业中涉及的器件的性能的方法，使设计满足当前和未来发展。
FDTD专题
1、基础入门阶段采用Step by step的教学方式带着做具体的案例，在案例中学习FDTD应用的必备技能，帮助学员快速掌握仿真操作流程，建立正确的仿真思路。
2、通过FDTD仿真实例以及论文模拟复现的形式，带大家使用FDTD Solutions及相关软件构建数值建模研究的方法。通过多个场景案例的应用讲解，学习借助FDTD在超构表面设计、热电子光学传感器、热电子光探测器的光学特性研究、光学微腔宽带吸收器等多个方向的研究方法。
☆往期学员评价：
时间地点
人工智能在电磁场与微波技术专业的应用
2024年10月26日-10月27日
2024年11月02日-11月03日
在线直播（授课四天）
机器学习赋能的智能光子学器件系统研究与应用
2024年10月26日-10月27日
2024年11月02日-11月03日
在线直播（授课四天）
COMSOL光电专题
2024年10月19日-10月20日
2024年10月26日-10月27日
在线直播（授课四天）
FDTD Solutions（时域有限差分）仿真技术与应用
2024年10月19日-10月20日
2024年10月26日-10月27日
在线直播（授课四天）
报名费用
（含报名费、培训费、资料费）
课程名称 | 价格（元） | |
人工智能在电磁场与微波技术专业的应用 | 4500 | |
机器学习赋能的智能光子学器件系统研究与应用 | 4500 | |
COMSOL光电专题 | 4300 | |
FDTD Solutions（时域有限差分）仿真技术与应用 | 4300 | |
优惠一：
2024年10月1日前报名缴费可享受200元早鸟价优惠（仅限前十名）；
优惠二：
COMSOL/FDTD专题老学员推荐报名者，可享受额外200元优惠；
【注】费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；如需开具会议费的单位请联系招生老师索取会议邀请函；
增值服务
1、凡报名成功学员将获得该培训电子课件及案例模型文件；
2、培训结束可获得所学专题课程全部无限次回放视频；
3、参加培训并通过考试的学员，可以获得：北京软研国际信息技术研究院培训中心颁发的专业技能结业证书；
联系方式
免责声明
本公众号所推荐的MATLAB学习课程仅供参考，不构成任何形式的专业建议。读者在使用这些课程时，请自行判断其适用性，并自负风险。本公众号对这些课程的内容、质量或准确性不承担任何责任。任何因使用这些课程而造成的损失，本公众号概不负责。
END
