Aggiornamento sulla malattia da coronavirus 2019 (COVID-19)

A causa delle crescenti preoccupazioni riguardo alla diffusione del virus COVID-19, aggiungeremo ulteriori corsi di formazione online con istruttore come alternativa opzionale ai corsi in aula.

Calendario e registrazione

Prerequisiti

Fondamenti di MATLAB

Questo corso è disponibile anche online in modalità autogestita.

I corsi autogestiti offrono coinvolgimento attivo in MATLAB mediante esercizi pratici, in browser, che puoi completare in qualsiasi momento, ovunque, coi tuoi tempi.

Guarda: I vantaggi della formazione autogestita (1:03)

Machine Learning con MATLAB

Questo corso di due giorni verte sull'analisi dei dati e sulle tecniche di machine learning in MATLAB^® utilizzando le funzionalità offerte da Statistics and Machine Learning Toolbox^™ e Deep Learning Toolbox^™. Il corso illustra l'utilizzo dell'apprendimento senza supervisione per rilevare le feature di grandi set di dati e dell'apprendimento con supervisione per elaborare modelli predittivi. Gli esempi e gli esercizi evidenziano le tecniche utili per la visualizzazione e la valutazione dei risultati. Elenco degli argomenti:

Organizzazione e pre-elaborazione dei dati
Clustering dei dati
Creazione di modelli di classificazione e regressione
Interpretazione e valutazione dei modelli
Semplificazione dei set di dati
Utilizzo di ensemble per migliorare le prestazioni dei modelli

Scopri maggiori dettagli sui nostri corsi

Prerequisiti

Fondamenti di MATLAB

Questo corso è disponibile anche online in modalità autogestita.

I corsi autogestiti offrono coinvolgimento attivo in MATLAB mediante esercizi pratici, in browser, che puoi completare in qualsiasi momento, ovunque, coi tuoi tempi.

Guarda: I vantaggi della formazione autogestita (1:03)

Day 1 of 2
Importing and Organizing Data	Objective: Bring data into MATLAB and organize it for analysis, including normalizing data and removing observations with missing values. Data types Tables Categorical data Data preparation
Finding Natural Patterns in Data	Objective: Use unsupervised learning techniques to group observations based on a set of explanatory variables and discover natural patterns in a data set. Unsupervised learning Clustering methods Cluster evaluation and interpretation
Building Classification Models	Objective: Use supervised learning techniques to perform predictive modeling for classification problems. Evaluate the accuracy of a predictive model. Supervised learning Training and validation Classification methods

Day 2 of 2
Improving Predictive Models	Objective: Reduce the dimensionality of a data set. Improve and simplify machine learning models. Cross validation Hyperparameter optimization Feature transformation Feature selection Ensemble learning
Building Regression Models	Objective: Use supervised learning techniques to perform predictive modeling for continuous response variables. Parametric regression methods Nonparametric regression methods Evaluation of regression models
Creating Neural Networks	Objective: Create and train neural networks for clustering and predictive modeling. Adjust network architecture to improve performance. Clustering with Self-Organizing Maps Classification with feed-forward networks Regression with feed-forward networks

Giorno 1
Importazione e Organizzazione di Dati	Obiettivo: Importare i dati in MATLAB e organizzarli per l'analisi, incluse la normalizzazione dei dati e la rimozione di osservazioni con valori mancanti. Tipologie di dati Tabelle Dati categoriali Preparazione dei dati
Ricerca di Pattern Naturali nei Dati	Obiettivo: Utilizzare tecniche di apprendimento senza supervisione per raggruppare osservazioni in base ad alcune variabili esplicative e individuare dei pattern naturali nei dati. Apprendimento senza supervisione Metodi di clustering Interpretazione e valutazione dei cluster
Costruzione di Modelli di Classificazione	Obiettivo: Usare le tecniche di apprendimento con supervisione per realizzare modelli predittivi per problemi di classificazione. Valutare l’accuratezza di un modello predittivo. Apprendimento con supervisione Training evalidazione Metodi di classificazione

Giorno 2
Miglioramento dei Modelli Predittivi	Obiettivo: Ridurre la dimensionalità di un set di dati. Migliorare e semplificare i modelli di machine learning. Cross validation Ottimizzazione degli iperparametri Trasformazione delle feature Selezione delle feature Apprendimento ensemble
Costruzione di Modelli di Regressione	Obiettivo: Usare le tecniche di apprendimento con supervisione per costruire modelli predittivi con variabili di risposta continue. Metodi di regressione parametrica Metodi di regressione non parametrica Valutazione dei modelli di regressione
Creazione di Reti Neurali	Obiettivo: Creare e addestrare reti neurali per clustering e modelli predittivi. Modificare l'architettura della rete per migliorare le prestazioni. Clustering con self-organizing map (SOM) Classificazione con reti feed-forward Regressione con reti feed-forward

Guaranteed to Run

Registrandoti ad uno di questi corsi, avrai la certezza che non sarà cancellato o rischedulato per nessuna ragione.

Calendario e registrazione

Risultati 1 - 20 di 20

Date	Località	Lingua	Costo
Su richiesta	Autogestiti 180 giorni di accesso completo a partire dal giorno dell'acquisto	English	USD 350
04 giu 2020- 05 giu 2020	Online 9:00 a.m. - 5:00 p.m. Australian Western Daylight Time	English	USD 1.500
25 giu 2020- 26 giu 2020	Online 9:00 - 17:00 Ora solare Europa centrale	German	USD 1.500
29 giu 2020- 30 giu 2020	Online 9:00 - 17:00 Ora solare Corea	Korean	USD 1.500
07 lug 2020- 08 lug 2020	Online Pacific Auckland Dst	English	USD 1.500
09 lug 2020- 10 lug 2020	Online 9:00 - 17:00 Ora solare Europa centrale	Italian	USD 1.500
15 lug 2020- 16 lug 2020	Online 9:00 - 17:00 Ora legale Stati Uniti orientali	English	USD 1.500
21 set 2020- 22 set 2020	Regno Unito, Cambridge	English	GBP 1.200
22 set 2020- 23 set 2020	Svizzera, Bern	English	CHF 1.700
22 set 2020- 23 set 2020	Online 9:00 - 17:00 Ora legale Stati Uniti Pacifico	English	USD 1.500
23 set 2020- 24 set 2020	Finlandia, Helsinki	English	EUR 1.400
24 set 2020- 25 set 2020	Germania, Ismaning (bei München)	German	EUR 1.400
24 set 2020- 25 set 2020	Francia, Paris (Meudon)	French	EUR 1.400
08 ott 2020- 09 ott 2020	Germania, Berlin	German	EUR 1.400
21 ott 2020- 22 ott 2020	Paesi Bassi, Eindhoven	English	EUR 1.400
27 ott 2020- 28 ott 2020	Germania, München	German	EUR 1.400
12 nov 2020- 13 nov 2020	Online 9:00 - 17:00 Ora legale Stati Uniti orientali	English	USD 1.500
19 nov 2020- 20 nov 2020	Germania, München	German	EUR 1.400
15 dic 2020- 16 dic 2020	Italia, Torino	Italian	EUR 1.200
16 dic 2020- 17 dic 2020	Svezia, Stockholm (City)	English	SEK 15.000

Risultati 1 - 20 di 20

Il prezzo si applica per l’acquisto e l’uso in Stati Uniti, Per i prezzi da applicare in altre aree geografiche, contattare l’ufficio Commerciale. Il prezzo del prodotto non include le tasse di vendita e d’uso, le accise, l’IVA e altre. Tutte le tasse, le imposte e le spese pertinenti, così come i tributi e i dazi statali applicabili a questo acquisto, saranno calcolati sull’ordine finale. Per ulteriori informazioni, vedere la Policy MathWorks per la Formazione.