Machine Learning con MATLAB

Dettagli dei corsi

Questo corso di due giorni verte sull'analisi dei dati e sulle tecniche di Machine Learning in MATLAB^® utilizzando le funzionalità offerte da Statistics and Machine Learning Toolbox™ e Deep Learning Toolbox™. Il corso illustra l'utilizzo dell'apprendimento senza supervisione per rilevare le feature di grandi set di dati e dell'apprendimento con supervisione per elaborare modelli predittivi. Gli esempi e gli esercizi evidenziano le tecniche utili per la visualizzazione e la valutazione dei risultati.

Elenco degli argomenti:

Organizzazione e pre-elaborazione dei dati
Clustering dei dati
Creazione di modelli di classificazione e regressione
Interpretazione e valutazione dei modelli
Semplificazione dei set di dati
Utilizzo di insiemi per migliorare le prestazioni dei modelli

Giorno 1

Importazione e organizzazione di dati

Obiettivo: Importare i dati in MATLAB e organizzarli per l'analisi, incluse la normalizzazione dei dati e la rimozione di osservazioni con valori mancanti.

Tipi di dati
Tabelle
Preparazione dei dati

Ricerca di pattern naturali nei dati

Obiettivo: Utilizzare tecniche di apprendimento senza supervisione per raggruppare osservazioni in base a un set di variabili esplicative e individuare pattern naturali in un set di dati.

Apprendimento senza supervisione
Metodi di clustering
Interpretazione e valutazione dei cluster

Costruzione di modelli di classificazione

Obiettivo: Usare le tecniche di apprendimento con supervisione per realizzare modelli predittivi per problemi di classificazione. Valutare la precisione di un modello predittivo.

Apprendimento con supervisione
Training e convalida
Metodi di classificazione

Giorno 2

Miglioramento dei modelli predittivi

Obiettivo: Ridurre la dimensionalità di un set di dati. Migliorare e semplificare i modelli di Machine Learning.

Convalida incrociata
Ottimizzazione degli iperparametri
Trasformazione delle feature
Selezione delle feature
Apprendimento d'insieme

Costruzione di modelli di regressione

Obiettivo: Usare le tecniche di apprendimento con supervisione per costruire modelli predittivi per variabili di risposta continue.

Metodi di regressione parametrica
Metodi di regressione non parametrica
Valutazione dei modelli di regressione

Creazione di reti neurali

Obiettivo: Creare e addestrare reti neurali per clustering e modelli predittivi. Modificare l'architettura della rete per migliorare le prestazioni.

Clustering con self-organizing map (SOM)
Classificazione con reti feed-forward
Regressione con reti feed-forward

Livello: Intermedio

Prerequisiti:

Fondamenti MATLAB

Durata: 2 giorni

Lingue: English, Español, Français, 日本語, 한국어, 中文

Consulta le prossime lezioni

Corsi correlati

Metodi Statistici in MATLAB

Gli argomenti del corso includono test di significatività, fitting di distribuzioni, regressione e generazione di simulazioni casuali.

Per saperne di più

Tecniche di ottimizzazione in MATLAB

Impara ad eseguire l'ottimizzazione locale e globale in MATLAB traducendo l'obiettivo e i vincoli in codice MATLAB e scegliendo i solutori di ottimizzazione appropriati.

Per saperne di più

Elaborazione di Big Data in MATLAB

Impara a rappresentare i Big Data in MATLAB, adattare il tuo codice per lavorare in modo più efficiente e distribuire l'analisi per trarre vantaggio dalle tue risorse di elaborazione e dal cloud.

Per saperne di più