머신러닝

대화형방식의앱과알고리즘

3개최대계층을갖는”얕은”신경망및기타머신러닝모델을포함하여가장널리사용되는다양한분류,군집및회귀알고리즘중에서선택할수있습니다。분류및회귀앱을사용하여모델을대화형방식으로훈련,비교,조정하고,추가적인분석,통합및배포를위해모델을내보낼수있습니다。직접코드작성하는것을더선호하는경우,특징선택및파라미터조정을통해모델을더욱최적화할수있습니다。

• 자세히알아보기
• 머신러닝예제，칼럼및튜토리얼살펴보기
• 회귀학습기앱(3:42)
• 분류학습기앱(34)
• 서포트벡터머신및matlab에서의사용방법에대한튜토리얼(3:54)
• 내게맞는머신러닝알고리즘은?

모델해석가능성

부분종속성플롯、石灰、섀플리값,GAM(일반화가법모델)같은기존의해석가능성방법을적용하여머신러닝의블랙박스적인속성을극복할수있습니다。모델이예측에대한올바른증거를사용하는지검증하고훈련중에는명확하지않았던모델의편향을찾을수있습니다。

• 자세히알아보기
• 모델해석가능성이란?
• Matlab에서의모델해석가능성(5:49)
• AutoML및해석가능성으로AI채택의장벽낮추기(35:11)
• Matlab을사용한분류및회귀모델해석개Matlab

코드생성및Simulink통합

임베디드시스템에통계및머신러닝모델을배포하고,전처리와후처리단계를포함한전체머신러닝알고리즘에대한가독성좋은C또는c++코드를생성할수있습니다。MATLAB函数블록및Simulink^®의네이티브블록을통해머신러닝모델을사용하여고충실도시뮬레이션의검증과확인을가속화할수있습니다。

자세히알아보기

• 임베디드기기에서머신러닝모델을실행하기위한핵심기법(2)
• 코드생성을위해모델파라미터업데이트하기
• 네이티브블록을사용하여SVM예측을Simulink^®에통합하기
• 支持向量机예측을위한고정소수점c / c++코드생성하기

확장및성능

최소의코드변경만으로高형배열을사용하여메모리에담을수없이큰데이터셋에머신러닝모델을훈련시킬수있습니다。데스크탑,클러스터또는클라우드에서병렬연산으로통계연산과모델훈련의속도를가속화할수도있습니다。

자세히알아보기

• MATLAB高형배열의실사용예(4:13)
• 통계연산의속도를높이는방법알아보기
• 병렬연산을사용한대규모연산수행하기
• 훈련된예측모델을타겟시스템에배포하기