Machine learning con MATLAB

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

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

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.

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 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.

Per saperne di più

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^®.

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.

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.

Per saperne di più