Obiettivo: Imparare ad importare facilmente e visualizzare segnali multipli o set di serie temporali per approfondire le caratteristiche e i trend dei dati

• Importare, visualizzare, ed esplorare segnali per comprendere le prime informazioni
• Eseguire misure sui segnali
• Confrontare segnali multipli nel dominio del tempo e della frequenza
• Eseguire analisi spettrale interattivamente
• Estrarre regioni di interesse per un'analisi focalizzata
• Ricreare le analisi con script auto-generati

Obiettivo: Imparare le tecniche per ripulire i set di dati con operazioni, come ricampionare, rimuovere gli outlier, e riempire i dati mancanti.

• Eseguire ricampionamento per assicurare una base temporale comune a più segnali
• Lavorare con dati non uniformemente campionati
• Trovare dati mancanti, rimuoverli o riempirli
• Rimuovere rumore e frequenze indesiderate
• Eseguire la rimozione di rumore con wavelet
• Usare lo spettro di inviluppo per realizzare analisi dei difetti
• Localizzare valori outlier nei dati e sostituirli con dati accettabili
• Localizzare punti di cambio nei segnali ed usare bordi per creare automaticamente segmenti di segnale

Obiettivo: Applicare diverse tecniche nei domini del tempo e della frequenza per estrarre caratteristiche. Diventare familiare con i tool di analisi spettrale in MATLAB ed esplorare modi per estrarre caratteristiche per molteplici segnali.

• Localizzare picchi
• Localizzare i segnali desiderati a partire da modelli nei domini del tempo e della frequenza
• Usare l'analisi spettrale per estrarre caratteristiche dai segnali
• Realizzare classificazione usando apprendimento supervisionato
• Usare l'app Classification Learner per allenare e valutare reti neurali interattivamente