Preprocessamento di Segnale e Estrazione di Caratteristiche per l'Analisi Dati con MATLAB

Questo corso di 1 giorno mostra come usare MATLAB^®, Signal Processing Toolbox^™ e Wavelet Toolbox^™ per preprocessare segnali temporali e estrarre caratteristiche chiave nei domini del tempo e della frequenza. Questo corso si rivolge a scienziati dei dati ed ingegneri che analizzano segnali (serie temporali) per applicazioni di data analytics.

Gli argomenti trattati includono:

Creare, importare, e visualizzare segnali
Preprocessare per migliorare la qualità dei dati, incluso riempire dati mancanti, ricampionare, filtrare, allineare segnali, trovare e rimuovere anomalie (outlier), e trattare segnali non uniformemente campionati
Estrarre caratteristiche nei domini del tempo e della frequenza, incluso trovare segnali desiderati a partire da modelli, trovare punti di cambiamento, localizzare picchi, ed identificare trend

Scopri maggiori dettagli sui nostri corsi

Prerequisiti

Fondamentali MATLAB o esperienza equivalente con MATLAB

Giorno 1
Esplorare ed analizzare segnali (serie temporali) in MATLAB	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
Preprocessare segnali per migliorare la qualita dei dati	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
Estrarre le caratteristiche dai segnali	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

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 - 7 di 7

Date	Località	Lingua	Costo
23 set 2019	Germania, München (Ismaning)	German	EUR 700
25 set 2019	Francia, Paris (Meudon)	French	EUR 700
10 ott 2019	Online 9:00 - 17:00 Ora legale Stati Uniti orientali	English	USD 750
22 ott 2019	US, California, San Jose	English	USD 750
25 ott 2019	Corea (Repubblica di), Seoul	Korean	KRW 450.000
04 nov 2019	US, Utah, Salt Lake City (Centerville)	English	USD 750
06 nov 2019	Giappone, 名古屋市	Japanese	JPY 70.000

Risultati 1 - 7 di 7

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.