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:
Durata: 2 giorni
Lingue: English, Español, Français, 日本語, 한국어, 中文