Machine learning con MATLAB

MATLAB per il machine learning

Addestra modelli, regola i parametri e distribuisci applicazioni

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

Deep Learning vs. Machine Learning: scegli l’approccio migliore

Differenze tra deep learning e machine learning: scegliere l’approccio migliore (e-book)

See How Others Use MATLAB for Machine Learning

Automotive

BMW

Detecting Oversteering with Machine Learning

Utilities and Energy

Baker Hughes

Predictive Maintenance for Gas and Oil Extraction Equipment Using Data Analytics and Machine Learning

Neuroscience

Battelle

Neural Bypass Technology Restores Movement to a Paralyzed Man’s Arm and Hand

View more customer success stories

Applicazioni e algoritmi interattivi

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.

Per saperne di più
Scopri esempi, articoli e tutorial sul Machine Learning
Prova l’app Classification Learner

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 segnali o immagini, e tecniche di selezione delle feature quali Neighborhood Component Analysis (NCA) o selezione sequenziale.

Per saperne di più

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.

Per saperne di più

Utilizzare un modello di machine learning in Simulink per accettare dati in streaming e prevedere il punteggio di classificazione ed etichettatura con un modello SVM.

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.

Per saperne di più