教育工作者通过绘制可用的课程模块、入门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使学生可以轻松地学习和执行特定领域的深度学习任务，包括数据预处理、图像标注、网络设计和应用程序转移学习．

MATLAB支持与开源深度学习框架的互操作性，使学生能够在其MATLAB深度学习项目中应用TensorFlow、PyTorch和其他流行框架。

下面是使用MATLAB教授深度学习的课程课程、教科书、代码示例和其他工具的示例。

课程课程

• 人工智能简介

  • 金泽工业学院:手写数字识别

• 图像、音频和信号处理:

  • 斯坦福大学:机器学习信号处理
  • 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:与机器学习，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、动力系统与控制

MATLAB资源

• MATLAB斜坡弯道(2小时入门教程)
• 深度学习入口(2小时入门教程)
• 基于MATLAB的深度学习(16小时深度课程)
• 深度学习工具箱(文档)
• 深度学习应用程序的画廊(代码示例)
• MATLAB在线(请在浏览器中使用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)