Sztuczna inteligencja

MATLAB® ułatwia pracę z danymi dzięki narzędziom do ich wstępnego przetwarzania, tworzenia modeli uczenia maszynowego i predykcyjnych oraz wdrażania modeli w systemach informatycznych.

Środowisko MATLAB jest wykorzystywane przez inżynierów danych oraz uczenia maszynowe jako narzędzie zapewniające:

• dostęp  do danych przechowywanych w plikach, bazach danych i pamięci masowej w chmurze lub poprzez połączenie się z aktywnymi źródłami, takimi jak sprzęt do pozyskiwania danych i źródła danych finansowych;
• zarządzanie i czyszczenie danych za pomocą odpowiednich typów danych i funkcji wstępnego przetwarzania, w tym aplikacji do etykietowania;
• szeroką gamę podejść do modelowania przy użyciu aplikacji do uczenia maszynowego i głębokiego;
• dostosowanie modeli uczenia maszynowego i głębokiego za pomocą automatycznego wyboru funkcji, modelu i algorytmów dostrajania hiperparametrów;
• wdrażanie modeli uczenia maszynowego w produkcyjnych systemach IT bez przepisywania na inny język;
• automatyczną konwersję modeli uczenia maszynowego na kod C/C++;
• aplikacje typu „wskaż i kliknij” do szkolenia i porównywania modeli;
• zaawansowane techniki przetwarzania sygnału i ekstrakcji cech;
• wszystkie popularne algorytmy klasyfikacji, regresji i klastrowania do uczenia nadzorowanego i nienadzorowanego;
• szybsze wykonanie większości obliczeń statystycznych i uczenia maszynowego niż w innych platformach open source.

Data Science z MATLABem

Dzięki oprogramowaniu MATLAB mniej czasu jest spędzane na przetwarzaniu danych. Od szeregów czasowych z czujników po obrazy i tekst, typy danych w MATLABie znacznie skracają czas wymagany do wstępnego przetwarzania danych. Funkcje wysokiego poziomu ułatwiają synchronizację danych, zastępowanie wartości odstających wartościami interpolowanymi, filtrowanie zaszumionych sygnałów, dzielenie nieprzetworzonego tekstu na słowa i wiele więcej. MATLAB daje również możliwość szybkiej wizualizacji danych, by zrozumieć trendy i zidentyfikować problemy z jakością danych za pomocą wykresów i edytora na żywo.

Interaktywne aplikacje i algorytmy

MATLAB zapewni wybór spośród szerokiej gamy najpopularniejszych algorytmów klasyfikacji, grupowania i regresji, także „płytkich” sieci neuronowych wraz z innymi modelami uczenia maszynowego. Gotowe aplikacje do klasyfikacji i regresji, mogą służyć do interaktywnego trenowania, porównywania, dostrajania i eksportowania modeli w celu dalszej analizy, integracji i wdrażania.

Dlaczego MATLAB do głębokiego uczenia?

MATLAB ułatwia przejście od modeli głębokiego uczenia do rzeczywistych systemów opartych na sztucznej inteligencji (AI).

• Wstępne przetwarzanie danych

Interaktywne aplikacje do oznaczania, przycinania i identyfikowania ważnych funkcji oraz wbudowanych algorytmów, pomagają zautomatyzować proces etykietowania.

 

• Trenowanie i ocena modeli

Rozpoczęcie  od pełnego zestawu algorytmów i gotowych modeli, a następnie tworzenie i modyfikowanie modeli uczenia głębokiego za pomocą aplikacji Deep Network Designer znacznie przyspiesza czas potrzebny na opracowanie modelu.

 

• Symulacja danych

Modele uczenia głębokiego mogą być włączone do Simulinka, co pozwala na szybką weryfikację działania modelu w środowisku symulacyjnym.

 

• Wdrażanie przeszkolonych sieci

 Generacja kodu z bibliotek Intel®, NVIDIA® i ARM®, pozwala tworzyć wdrażalne modele o wysokiej wydajności. Wyszkolone modele mogą być wdrażane w systemach wbudowanych, systemach korporacyjnych, urządzeniach FPGA lub w chmurze.

 

Dowiedz się więcej

 

Data Science Machine Learning Deep Learning