教育工作者通过利用可用的课程模块、onramp教程和代码示例来教授MATLAB的深度学习。通过特定领域的工具箱和应用程序，MATLAB使学生很容易学习和执行特定领域的深度学习任务，包括数据预处理、图像标记、网络设计和转移学习．

MATLAB支万博1manbetx持与开源深度学习框架的互操作性，使学生能够在他们的MATLAB深度学习项目中应用TensorFlow、PyTorch和其他流行框架。

下面是一个课程课程、教科书、代码示例和其他使用MATLAB进行深度学习的工具的示例。

课程课程

• 计算机视觉

  • 宾夕法尼亚大学:计算机视觉和计算机摄影
  • 科罗拉多矿业学院:计算机视觉导论

• 图像、音频和信号处理:

  • 以色列理工学院:稀疏和冗余表示及其在信号和图像处理中的应用(也可用EdX的MOOC）
  • 斯坦福大学:机器学习的信号处理

• 生物医学

  • 麻省理工学院和哈佛医学院:生物信号和图像处理
  • 特温特大学:用于医学应用的机器学习

教科书

• 深度学习

  • 深度学习初学者:与MATLAB示例
  • MATLAB深度学习:与机器学习，神经网络和人工智能

• 机器学习

  • 用于机器学习的MATLAB
  • 第一门机器学习课程
  • MATLAB机器学习食谱
  • 机器学习和模式识别
  • 机器学习:贝叶斯和优化视角
  • 数据驱动科学与工程:机器学习，动力系统和控制

MATLAB资源

• MATLAB斜坡弯道(2小时入门教程)
• 深度学习斜坡弯道(2小时入门教程)
• 基于MATLAB的深度学习深入(16小时)
• 深度学习工具箱(文档)
• 深度学习应用的图库(代码示例)
• MATLAB在线(在浏览器中使用MATLAB)
• MATLAB平地机(自动评分MATLAB编码作业)
• 最新的功能和资源数据科学，深度学习＆机器学习(最近发布的产品特性)
• 深度学习(博客)