머신 러닝을 위한 MATLAB
모델을 학습시키고 파라미터를 튜닝하며 임베디드 시스템에 배포합니다.
엔지니어와 기타 영역 전문가들은 MATLAB®을 활용하여 수천 가지 머신 러닝 애플리케이션을 배포해 왔습니다. MATLAB을 이용하면 다음을 통해 머신 러닝의 어려운 부분이 용이해집니다.
- 모델을학습시키고 비교하기위한 点击앱
- 고급신호 처리및특징 추출 기법
- 모델 성능을 최적화하기 위한자동 하이퍼파라미터 튜닝및특징 선택
- 동일한 코드를 사용하여빅 데이터 및 클러스터로 연산을 확장할 수 있는 기능
- 임베디드 및 고성능 응용 프로그램을 위한C/C++코드의 자동 생성
- 지도 학습 및 비지도 학습을 위한 널리 활용되는분류, 회귀, 클러스터링 알고리즘
- 대부분의 통계 및 머신 러닝 연산에서 오픈 소스보다더욱 빠르게 실행
MATLAB을 사용한 머신러닝 활용 사례
자동차
路径伙伴
路径伙伴의 레이더 기반 자동차 응용 사례를 위한 머신러닝 알고리즘 개발 사례
에너지 생산 및 IA&M
RWE可再生能源公司,魁北克水电公司,IMCORP
머신러닝과 인공 지능을 활용한 유틸리티 자산 상태 모니터링 및 예측 정비
의료 기기 및 消费电子
运动健康技术
관성 센서와 머신러닝을 활용한 노인 낙상 위험 평가
- 더 보기
- 모델 해석력이란?
- MATLAB에서의 모델 해석력(5:49)
- AutoML및 해석력으로 人工智能채택의 장벽 낮추기(35:11)
- MATLAB을 활용한 분류 및 회귀 모델 해석 개요
스케일링과 성능
高的형 배열을 이용하여, 코드를 거의 변경하지 않고도 기계의 메모리에 담기에는 너무 큰 데이터 세트에 대해 머신 러닝 모델을 학습시키십시오. 데스크톱, 클러스터 또는 클라우드에서 이루어지는 병렬 컴퓨팅을 이용하여 통계학적 계산과 모델 학습 속도를 높일 수도 있습니다.
즉시 시작하기
머신 러닝 入口匝道
분류 문제를 위한 실용적인 머신 러닝 방법을 대화형 방식으로 소개합니다.
무료 평가판 다운로드
30일 동안 사용 가능
统计和机器学习工具箱
통계와 머신러닝을 사용하여 데이터 분석 및 모델링