【Udemy中英字幕】Practical Python Wavelet Transforms (I): Fundamentals

实用Python小波变换（一）：基础

使用 PyWavelets、Jupyter Notebook、Numpy、Pandas、Matplotlib 等的真实项目

讲师：Dr. Shouke Wei

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

你将学到什么

• 时间序列和信号之间的区别
• 波浪的基本概念
• 傅里叶变换的基本概念
• 小波变换的基本概念
• 小波变换的分类及应用
• 设置Python小波变换环境
• PyWavelet 中的内置小波族和小波
• 近似离散小波和尺度函数及其可视化

要求

• 需要有基本的Python编程经验
• 具备 Jupyter Notebook、Python 数据分析和可视化基础知识是优势，但不是必需的

描述

注意：购买本课程之前，请仔细阅读说明，尤其是最后一段。

小波变换（WT）或小波分析可能是克服傅里叶变换（FT）  缺点的最新解决方案。 WT 以周期（或频率）形式变换信号，而不会损失时间分辨率。在信号处理领域，小波变换提供了一种将感兴趣的输入信号分解为一组基本波形（即“小波”）的方法，然后通过检查这些小波的系数（或权重）来分析信号。

小波变换可用于平稳和非平稳信号，包括但不限于以下内容：

• 从信号中去除噪声
• 趋势分析与预测
• 检测突然中断、变化或异常行为等，以及
• 大量数据的压缩
  • 名为 JPEG2000 的新图像压缩标准完全基于小波
• 数据加密，即保护数据
• 与机器学习相结合，提高建模精度

所以，如果你能学会这个好工具，对你未来的发展会有很大的帮助。  《实用Python小波变换》 包含一系列 课程，通过实际案例学习小波变换。本课程系列的主题包括以下主题：

• 第 (I) 部分：基础知识
• 离散小波变换 (DWT)
• 平稳小波变换 (SWT)
• 多分辨率分析 (MRA)
• 小波包变换 (WPT)
• 最大重叠离散小波变换 (MODWT)
• 基于MODWT的多分辨率分析（MODWTMRA）

本课程是本课程系列的基础部分，您将学习有关小波变换、小波族及其成员、小波和缩放函数及其可视化的基本概念，以及设置 Python 小波变换环境。完成本课程后，您将获得本系列后续课程中高级主题的基本知识和技能。但是，只有本课程中的免费预览部分  是本系列高级主题的先决条件。

本课程适合谁：

• 数据分析、工程师和科学家
• 信号处理工程师和专业人员
• 寻求先进算法的机器学习工程师、科学家和专业人士
• 研究信号处理、数据分析和机器学习的学术教师和学生
• 任何喜欢信号处理、数据分析和机器学习高级算法的人