MATLAB for Machine Learning
Train models, tune parameters, and deploy to production or the edge
Utilizzando MATLAB®, ingegneri ed esperti del settore hanno progettato e distribuito migliaia di applicazioni per il Machine Learning. MATLAB semplifica il Machine Learning grazie alle seguenti caratteristiche:
- App “punta e clicca” per l’addestramento e il confronto di modelli
- Tecniche avanzate di elaborazione di segnali ed estrazione delle feature
- Regolazione automatico di iperparametri e selezione di feature per ottimizzare la performance del modello
- Possibilità di utilizzare lo stesso codice per scalare l’elaborazione a big data e cluster di PC
- Generazione automatica di codice C/C++ per applicazioni embedded e ad alte prestazioni
- Disponibilità degli Algoritmi di classificazione, regressione e clustering più comuni per l’apprendimento supervisionato e non supervisionato
- Migliore performance di esecuzione rispetto a piattaforme open source sulla maggior parte dei calcoli statistici e di machine learning
Scopri come altri utilizzano MATLAB per il machine learning
Automotive
PathPartner
PathPartner sviluppa algoritmi di Machine Learning per applicazioni automobilistiche basate su radar
Produzione di energia e automazione industriale e macchinari
RWE Renewables, Hydro Quebec, IMCORP
Monitoraggio delle condizioni degli asset di servizio e manutenzione predittiva con il Machine Learning e l’intelligenza artificiale
Dispositivi medici e CES
Kinesis Health Technologies
Valutazione del rischio di caduta degli adulti più anziani con sensori inerziali e Machine Learning
Applicazioni e algoritmi interattivi
Scegli tra un’ampia varietà di algoritmi di classificazione, regressione e clustering, tra cui anche reti neurali “superficiali” (fino a tre layer) insieme ad altri modelli di Machine Learning. Scegli tra un’ampia varietà di algoritmi di classificazione, di regressione e di clustering. Utilizza le app di classificazione e di regressione per addestrare, confrontare, ottimizzare ed esportare in modo interattivo i modelli e per sottoporli a ulteriore analisi, integrazione e distribuzione. Se invece preferisci scrivere il codice, puoi rifinire ulteriormente i modelli con la selezione delle feature e la regolazione dei parametri.
Interpretabilità dei modelli
Supera la natura di “scatola nera” del Machine Learning applicando metodi di interpretabilità prestabiliti, come grafici di dipendenza parziale, LIME, valori di Shapley e modelli additivi generalizzati (GAM). Verifica che il modello utilizzi le giuste prove per le proprie previsioni e identifica bias del modello non evidenti in fase di addestramento.
Machine learning automatizzato (AutoML)
Genera automaticamente le feature dai dati di addestramento e ottimizza i modelli mediante tecniche di regolazione degli iperparametri con tecniche di Ottimizzazione Bayesiana. Utilizza specifiche tecniche di estrazione delle feature come wavelet scattering per dati di segnali o immagini e tecniche di selezione delle feature quali Neighborhood Component Analysis (NCA), Minimum Redundancy Maximum Relevance (MRMR) o selezione sequenziale delle feature.
Generazione di codice
Distribuisci modelli statistici e di Machine Learning su sistemi embedded generando automaticamente codice C/C++ leggibile per il tuo algoritmo, pre e post elaborazione incluse. Aggiorna i parametri dei modelli distribuiti senza dover rigenerare il codice C/C++ già creato. Accelera il processo di verifica e convalida delle tue simulazioni in Simulink® importantovi i modelli di Machine Learning attraverso i MATLAB function blocks e system blocks.
Scaling e performance
Utilizza i tall array di MATLAB per addestrare i modelli di Machine Learning a partire da set di dati troppo grandi per essere contenuti nella memoria del tuo PC, apportando modifiche minime al codice. Puoi inoltre accelerare i calcoli statistici e l’addestramento dei modelli eseguendo il calcolo parallelo sul tuo desktop, su cluster o cloud.
Argomenti correlati
Deep learning
Progetta, costruisci e visualizza reti neurali convoluzionali.
Data Science
Estrai indicazioni dai dati per migliorare.
Manutenzione predittiva
Sviluppa e distribuisci software di monitoraggio delle condizioni e manutenzione predittiva.
Inizia subito
Interactive Examples
Run examples in your browser to see MATLAB in action.
Machine Learning Onramp
Una presentazione interattiva dei metodi pratici di machine learning per i problemi di classificazione.
Consulta le risorse introduttive
Guarda una dimostrazione, scopri gli esempi interattivi e accedi a tutorial gratuiti.
30 giorni di prova gratuita
Inizia ora
