MATLAB per il machine learning

Addestra i modelli, regola i parametri e distribuisci per la produzione o l’edge

Utilizzando MATLAB®, ingegneri e altri esperti del settore hanno 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
  •  Elaborazione di segnali avanzata e tecniche di estrazione di feature
  • Affinamento di iperparametri automatico 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 
  • Generazione automatica di codice C/C++ per applicazioni embedded e ad alte prestazioni
  •  Algoritmi di classificazione, regressione e clustering più comuni per l’apprendimento con supervisione e senza supervisione
  • Esecuzione più rapida rispetto all’open source sulla maggior parte dei calcoli statistici e di machine learning

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

App e algoritmi interattivi

Scegli tra un’ampia varietà di comuni algoritmi di classificazione, regressione e clustering. Utilizza le app di classificazione e regressione per addestrare, confrontare, regolare ed esportare in modo interattivo i modelli per sottoporli a ulteriore analisi, integrazione e distribuzione. Se invece preferisci scrivere il codice, puoi ottimizzare ulteriormente i modelli con la selezione delle feature e la regolazione dei parametri.

Machine learning automatizzato (AutoML)

Genera automaticamente le feature dai dati di addestramento e ottimizza i modelli mediante tecniche di regolazione degli iperparametri come l’ottimizzazione bayesiana. Utilizza tecniche di estrazione di feature specializzate come wavelet scattering per i dati di segnali o immagini e tecniche di selezione delle feature quali Neighborhood Component Analysis (NCA) o la selezione sequenziale delle feature.

Generazione di codice

Distribuisci statistiche e modelli di machine learning su sistemi embedded generando codice C o C++ leggibile per il tuo algoritmo di machine learning, pre- e post-elaborazione incluse. Aggiorna i parametri dei modelli distribuiti senza dover rigenerare codice di previsione C/C++. Accelera il processo di verifica e convalida delle tue simulazioni ad alta fedeltà con modelli di machine learning usando i blocchi di funzioni MATLAB e i blocchi di sistema in Simulink®.

Scalatura e prestazioni

Utilizza gli array verticali per addestrare i modelli di machine learning su set di dati troppo grandi per essere contenuti nella memoria, 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

Sviluppa indicazioni basate su dati per agevolare le decisioni in fase di progettazione/per migliorare i progetti e le decisioni.

Manutenzione predittiva

Sviluppa e distribuisci software di monitoraggio delle condizioni e di manutenzione predittiva.

Inizia subito

Machine Learning Onramp

Una presentazione interattiva dei metodi pratici di machine learning per i problemi di classificazione.

Consulta le risorse introduttive

Guarda una dimostrazione, esplora gli esempi interattivi e accedi a tutorial gratuiti.

Richiedi una versione di prova gratuita

30 giorni di prova a tua disposizione.

Scopri Statistics and Machine Learning Toolbox