Les équipes informatiques et d’ingénierie utilisent MATLAB pour élaborer des systèmes avancés d'analytique Big Data allant de la maintenance prédictive et la télématique aux systèmes avancés d'aide à la conduite et d'analytiques sur des données capteurs. Les équipes ont choisi MATLAB car elle offre des capacités essentielles que ne possèdent pas les systèmes d'informatique décisionnelle ou les langages open source :

Données du monde réel : MATLAB supporte nativement les formats de données issues de capteurs, les images, les vidéos, la télémétrie, les données binaires et autres formats temps réel. Explorez ces données au moyen de la fonctionnalité MATLAB MapReduce pour Hadoop et en connectant les interfaces aux bases de données ODBC/JDBC.

Machine learning, réseaux neuronaux, statistiques et plus encore : MATLAB propose un ensemble complet de fonctionnalités de Machine Learning et de statistiques, ainsi que des méthodes avancées telles que l'optimisation non-linéaire, l'identification de système et des milliers d'algorithmes prédéfinis pour le traitement d’image et de vidéo, la modélisation financière, la conception de systèmes de contrôle.

Traitement rapide de grands jeux de données. Les routines numériques de MATLAB s'étendent directement au traitement parallèle sur les clusters et le Cloud.

Déploiement en ligne et en temps réel : MATLAB s'intègre dans les systèmes d'entreprise, les clusters et les clouds, et peut cibler du matériel temps réel embarqué.

Le Prix Netflix et les systèmes de Machine Learning en production : Une analyse éclairée

« Peu importe le secteur d'activité de nos clients et peu importe les données qu'ils nous demandent d'analyser (texte, audio, images ou vidéo), le code MATLAB nous permet de fournir des résultats clairs, plus rapidement.

Dr. G. Subrahamanya VRK Rao, Cognizant

 

Découvrir et explorer les données

La première étape dans l'exécution de l'analytique de données est d'accéder aux riches volumes de données disponibles pour explorer des modèles et en dégager des enseignements approfondis. À partir d'un seul environnement intégré, MATLAB vous aide à accéder à des données issues d'une grande variété de sources et de formats, notamment :

  • Des bases de données (compatibles ODBC et JDBC), des stockages de données et des systèmes de fichiers distribués (Hadoop)
  • Des serveurs de données financières afin d'accéder aux données temps réel et historiques des marchés financiers
  • Des dispositifs dédiés à l'Internet des objets
  • Des serveurs OPC afin d'accéder aux données temps réel et historiques de sites industriels
  • Des E/S de fichiers (texte, tableur, XML, CDF/HDF, image, audio, vidéo, géospatial et Web)

Prétraitement et nettoyage des données

Lorsque vous travaillez avec des données provenant de multiples sources et référentiels, les ingénieurs et les scientifiques ont besoin de prétraiter et préparer les données avant de développer des modèles prédictifs. Par exemple, les données peuvent présenter des valeurs manquantes ou erronées, ou peuvent utiliser différents formats d'horodatage. MATLAB vous aide à simplifier les tâches qui pourraient autrement s'avérer chronophages :

  • Nettoyage des données comportant des erreurs, des valeurs aberrantes ou des doublons
  • Traitement des données manquantes avec rejet, filtrage ou imputation
  • Suppression du bruit dans les données issues de capteurs avec des techniques avancées de traitement du signal
  • Fusion et alignement chronologique des données avec différents taux d'échantillonnage
  • Sélection des caractéristiques afin de réduire les données volumineuses de manière à améliorer la puissance prédictive du modèle
  • Extraction et transformation des caractéristiques pour la réduction de la dimensionnalité
  • Analyse spécifique à un domaine comme le traitement du signal, d'image et de vidéo

Élaboration de modèles prédictifs

Prototypez et élaborez des modèles prédictifs directement à partir des données afin de prévoir et de prédire les probabilités de résultats futurs. Vous pouvez comparer différentes approches de Machine Learning comme la régression logistique, les arbres de classification, les machines à vecteurs de support et les méthodes ensemblistes. Vous pouvez alors utiliser des outils d'affinement et de réduction pour créer un modèle précis capable d'exploiter au mieux la puissance prédictive de vos données. Utilisez des outils flexibles pour traiter des données financières, des signaux, des images, de la vidéo et des données cartographiques afin de créer des analytiques pour une variété de domaines dans le même environnement de développement.


Intégration des analytiques aux systèmes

Vous pouvez intégrer les analytiques développées sous MATLAB dans des environnements informatiques de production sans avoir à recoder ou créer une infrastructure personnalisée. Les analytiques MATLAB peuvent être conditionnées sous forme de composants déployables compatibles avec un large éventail d'environnements de développement tels que Java, Microsoft .NET, Excel, Python et C/C++. Vous pouvez partager des applications MATLAB autonomes ou exécuter des analytiques MATLAB dans le cadre d'applications Web, de bases de données et d'applications entreprise. Dans le cas d'applications de production évolutives et de faible latence, vous pouvez faire en sorte que la fonction d'analytique MATLAB s'exécute en tant que service centralisé qui peut être sollicité à partir de nombreuses applications diverses.