机器学习正在迅速成为解决广泛行业复杂建模问题的强大工具。它使工程师和科学家能够开发从数据中学习的模型，并可以部署为可在嵌入式系统和云基础设施上高效运行的打包应用程序的一部分。机器学习的好处正在各地的应用程序中实现，包括预测性维护、健康监测、金融投资组合预测和高级驾驶辅助。然而，在实践中成功地应用机器学习面临着几个挑战。我们并不总是清楚哪些数据对预测最有用，而且调优机器学习超参数会消耗大量时间。
在本次网络研讨会中，您将了解MATLAB中的机器学习工具如何应对这些挑战。我们将演示:
- 使用MATLAB“tall”框架处理大量内存不足数据
- 使用先进的特征选择技术降低维数并识别导入特征
- 调优超参数以优化模型性能的最佳实践
- 如何部署用于生产IT系统或嵌入式设备的模型
