Il Machine Learning insegna alle macchine a fare ciò che all’essere umano viene naturale: imparare dall’esperienza. Usa MATLAB per ingegnerizzare feature a partire dai tuoi dati ed eseguire il fitting dei modelli di Machine Learning.
Perché usare MATLAB per il Machine Learning?
Classificazione dei dati con l’app Classification Learner
Esplora in modo interattivo i tuoi dati, seleziona le feature e addestra, confronta e valuta i modelli con le app Classification Learner e Regression Learner.
Integrazione con i sistemi Simulink
Integra i tuoi modelli addestrati con Simulink come codice nativo o blocchi funzione MATLAB per la distribuzione embedded o la simulazione di sistemi completi.
Distribuzione di modelli addestrati sull’hardware
Distribuisci i tuoi modelli addestrati su piattaforme hardware (dai sistemi desktop all’hardware embedded) generando codice C/C++ leggibile e portabile.
Applicazioni di Machine Learning
Con sole poche righe di codice MATLAB o con app low-code, è possibile incorporare il Machine Learning nelle proprie applicazioni, sia che si stiano costruendo dei modelli, ingegnerizzando feature o si debba generare codice per la distribuzione su sistemi embedded.
Elaborazione di segnali
Acquisizione e analisi di segnali e dati di serie storiche
Manutenzione predittiva
Sviluppo di modelli di Machine Learning per rilevare e prevedere guasti
Biologia computazionale
Analisi e modellazione di dati per classificare e prevedere il comportamento biologico
Tutorial ed esempi sul Machine Learning con MATLAB
Stai cercando di muovere i primi passi nel mondo del Machine Learning o sei alla ricerca di un workflow end-to-end? Dai un’occhiata a queste risorse MATLAB che ti potranno essere utili per il tuo prossimo progetto.
Onramp
Ottieni alcune nozioni introduttive su metodi pratici di Machine Learning
Esempi
Esegui esempi interattivi tramite il browser
Tutorial
Fai il punto sulle tue competenze, di base e avanzate, con corsi online coinvolgenti
Ebook
Leggi informazioni sugli algoritmi e le tecniche di Machine Learning
