MATLAB per il Machine Learning

Addestramento di modelli, regolazione dei parametri e distribuzione di 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 “point and click” per l’addestramento e il confronto di modelli
  • Tecniche avanzate di elaborazione di segnali ed estrazione delle feature
  • Machine Learning automatico (AutoML) con selezione delle feature, selezione di modelli e regolazione degli iperparametri
  • Capacità 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
  • Integrazione di Simulink come codice nativo o di blocchi funzione MATLAB per la distribuzione embedded o le simulazioni
  • Tutti gli algoritmi diffusi di classificazione, regressione e clustering per l’apprendimento con e senza supervisione
  • Migliore performance di esecuzione rispetto a piattaforme open source sulla maggior parte dei calcoli statistici e di Machine Learning

Guarda come gli altri utilizzano MATLAB per il Machine Learning

Panel Navigation

Settore automobilistico

PathPartner

PathPartner sviluppa algoritmi di Machine Learning per applicazioni automobilistiche basate su radar

Panel Navigation

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

Panel Navigation

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. 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 e integrazione con Simulink

Distribuisci modelli statistici e di Machine Learning su sistemi embedded generando automaticamente codice C/C++ leggibile per il tuo algoritmo di Machine Learning, pre e post elaborazione incluse. Accelera il processo di verifica e convalida delle tue simulazioni ad alta fedeltà con i modelli di Machine Learning tramite i blocchi funzione e i blocchi nativi MATLAB in Simulink.

Scaling e performance

Utilizza i tall array per addestrare i modelli di Machine Learning a partire da 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

Panel Navigation

Deep Learning

Progetta, costruisci e visualizza reti neurali convoluzionali.

Panel Navigation

Data Science

Estrai indicazioni dai dati per migliorare progetti e processi decisionali.

Panel Navigation

Manutenzione predittiva

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

Inizia subito

Esempi interattivi

Esegui degli esempi nel tuo browser per vedere MATLAB in azione.

Machine Learning Onramp

Un’introduzione interattiva ai 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.

30 giorni di prova gratuita

Inizia ora

Statistics and Machine Learning Toolbox

Analisi e modellazione di dati utilizzando statistica e Machine Learning