Introduction au Machine Learning (4 Vidéos)
Apprenez les concepts fondamentaux du Machine Learning, comprenez ce qui différencie l'apprentissage supervisé et l'apprentissage non supervisé et regardez un exemple de workflow de Machine Learning.
Application du Machine Learning (4 Vidéos)
Découvrez des thèmes en lien avec l'application du Machine Learning tels que l'ingénierie de caractéristiques et les techniques pour transformer les données brutes en caractéristiques, les courbes ROC pour évaluer et comparer les résultats, ainsi que l'optimisation des hyperparamètres pour trouver le meilleur jeu de paramètres.
Practical Data Science with MATLAB Specialization (formation)
Inscrivez-vous à notre série de 4 formations sur Coursera pour développer vos compétences en Data Science et les appliquer sur des exemples concrets.
Machine Learning avec MATLAB (e-book)
Lisez l'e-book pour tout apprendre pas à pas, des bases du Machine Learning aux techniques et algorithmes avancés.
Utilisez MATLAB pour créer des modèles de régression, de classification et de clustering, puis optimiser leurs performances.
Accélération et parallélisation de code MATLAB
Compilez le code MATLAB dans des fichiers MEX et résolvez des problèmes nécessitant beaucoup de calcul et de données en utilisant des processeurs multicœurs, des GPU et des clusters d'ordinateurs.
Maintenance Prédictive avec MATLAB
Maîtrisez les techniques d'analyse, de traitement du signal et de Machine Learning nécessaires pour les workflows de maintenance prédictive et de surveillance de l'état.
Ouvrir et explorer ces exemples interactifs dans MATLAB Online
Découvrez et exécutez des exemples pratiques dans MATLAB pour différents types de modèles, notamment des modèles de classification, de régression et de clustering. Suivez pas à pas la procédure d'ajustement du bon modèle.
Classification
- Reconnaissance d'écriture avec le bagging d'arbres de classification
- Classification
- Classification de signaux à l'aide de caractéristiques basées sur les ondelettes et de machines à vecteurs de support
- Analyse bayésienne pour un modèle de régression logistique
- Classification avec des données déséquilibrées
- Sélection de classificateur automatisée avec l'optimisation bayésienne
