Présentation
L’utilisation du Machine Learning (ou apprentissage automatique) est de plus en plus répandue dans de nombreux domaines, afin de résoudre des problèmes assez complexes que l’on ne peut pas aborder en utilisant des approches traditionnelles (maintenance prédictive, prévision des risques financiers, ADAS…). Il permet en particulier aux ingénieurs et scientifiques de construire des modèles en se basant sur la notion d’apprentissage à partir des données, pour les intégrer ensuite à des applications qui peuvent être facilement déployées sur des systèmes embarqués ou des infrastructures de type cloud.
Plusieurs défis sont cependant rencontrés en pratique pour utiliser correctement ces approches tels que la manipulation de gros volumes de données, la sélection de variables pertinentes et l’optimisation des hyper-paramètres du modèle.
Dans ce webinar, vous découvrirez comment les outils MATLAB de Machine Learning abordent ces différents défis, à savoir :
- Travailler avec de gros volumes de données, dont la taille dépasse les capacités de mémoire disponible, notamment avec le nouveau conteneur de données « tall array » de MATLAB ;
- La réduction de dimensionnalité et l’identification des variables les plus pertinentes en utilisant les techniques de sélection de variables les plus avancées ;
- Les bonnes pratiques pour le réglage des hyper-paramètres afin d’optimiser les performances de votre modèle ;
- Comment déployer vos modèles en production, dans une application entreprise ou sur une cible embarquée.
« Utilisateurs de Flash : passez votre souris sur la vidéo pour voir la table des matières »
