教育者通过利用可用的课程模块、入门教程和代码示例来教授MATLAB深度学习。借助特定领域的工具箱和应用程序，MATLAB使学生更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。

下面是课程课程、教科书、代码示例和使用MATLAB进行深度学习的其他工具的示例。

课程课程

• 人工智能导论

  • 金泽工业大学:手写数字识别

• 图像、音频和信号处理:

  • 斯坦福大学:机器学习的信号处理
  • 佛罗里达大西洋大学:数字图像处理的深度学习

• 生物医学

  • 麻省理工学院和哈佛医学院:生物生物信号和图像处理

教科书

• 深度学习

  • 深度学习初学者:MATLAB示例
  • MATLAB深度学习:结合机器学习、神经网络和人工智能

• 机器学习

  • 机器学习的MATLAB
  • 机器学习第一课
  • MATLAB机器学习配方
  • 机器学习和模式识别
  • 机器学习:贝叶斯和优化的视角
  • 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)
• 的最新功能和资源数据科学，深度学习＆机器学习(最新发布的产品特性)
• 深度学习(博客)