MATLAB PARA MACHINE LEARNING

Treine modelos, sintonize parâmetros e implemente na produção


O MATLAB® permite que engenheiros e outros profissionais implementam milhares de aplicações de machine learning nos processos de produção e desenvolvimento.

O MATLAB simplifica tarefas trabalhosas de machine learning através de:

  • Aplicativos “point-and-click” para treinamento e comparação de modelos
  • Técnicas avançadas de processamento de sinais e extração de características
  • Automatic machine learning (AutoML), que inclui seleção de características, seleção de modelos e sintonia de hiperparâmetros
  • Habilidade de utilizar o mesmo código para escalar o processamento de big data e clusters
  • Geração automática de códigos C/C++ para aplicações incorporadas e de alta performance
  • Integração com o Simulink para implementações incorporadas ou simulações
  • Técnicas populares de classificação, regressão e algoritmos “clusterizados” para aprendizado supervisionado e não supervisionado
  • Execução mais rápida do que software “open source” na maioria dos cálculos computacionais estatísticos e de machine learning

Operacionalizando a Inteligência Artificial

As melhores práticas de DevOps segundo o Relatório Gartner para agregar valor aos negócios com modelos de machine learning implementados na prática em sua produção.

Aplicativos e algoritmos interativos

 

Escolha dentre uma variedade dos algoritmos mais populares de classificação, clusterização e regressão. Utilize aplicativos de classificação e regressão para realizar treinos interativos, comparar, sintonizar e exportar modelos para análises adicionais, integrações e implementação. Se escrever códigos é mais o seu estilo, você pode otimizar modelos através do recurso de seleção e sintonia de parâmetros. Supere a natureza de “caixa-preta” do machine learning aplicando métodos estabelecidos de interpretação como Partial Dependence e LIME (Local Interpretable Model-Agnostic Explanations).

TUTORIAL DE MACHINE LEARNING

Uma introdução interativa para métodos práticos de classificação de problemas em machine learning com duas horas de duração. Gratuito.

Machine Learning automatizada (AutoML)

 

Gere características de forma automática a partir de dados treinados e otimize modelos através de técnicas de sintonia de hiperparâmetros como otimização Bayesiana. Utilize técnicas de extração de características como dispersão wavelet para dados de sinais e imagens, e técnicas de seleção de características como “neighborhood component analysis” (NCA) ou seleção de características sequenciais.

Machine Learning vs Deep Learning

Entenda a diferença entre estas duas metodologias e saiba como escolher a mais adequada para cada situação.

Geração de códigos e integração com o Simulink

 

Implemente modelos estatísticos e de machine learning em sistemas incorporados e gere códigos C ou C++ para todo seu algoritmo de machine learning, incluindo pré e pós processamento. Acelere a verificação e validação de simulações de alta fidelidade utilizando modelos de machine learning através de blocos de funções e blocos nativos do Simulink.

Escala e Performance

 

Utilize modelos de machine learning de treinos tall arrays para volumes de dados muito grandes para caber na memória, através de pequenas mudanças no seu código. Você poderá acelerar cálculos estatísticos e treino de modelos através de computação paralela em seu próprio desktop, em clusters ou na nuvem.

Relacionados

Translate »