머신 러닝

대화형 앱과 알고리즘

가장 널리 사용되는 다양한 분류와 클러스터링, 회귀 알고리즘 중에서 선택하십시오. 분류 및 회귀 앱을 이용하여 모델을 대화형으로 학습시키고 비교, 튜닝하고 내보내서 추가로 분석, 통합, 배포를 하십시오. 수작업 코딩을 더 선호하신다면 특징 선택 및 파라미터 튜닝을 이용하여 모델을 더욱 최적화할 수 있습니다.

• 더 보기
• Explore Machine Learning Examples, Articles, and Tutorials
• Regression Learner app (3:42)
• Local Interpretable Model-Agnostic Explanations

코드 생성

전처리, 후처리를 포함하여 전체 머신 러닝 알고리즘에 사용할 수 있는 읽기 가능한 C 또는 C++ 코드를 생성하여 임베디드 시스템에 통계와 머신 러닝 모델을 배포하십시오. C/C++ 예측 코드를 재생성하지 않고 배포된 모델의 파라미터를 업데이트합니다. MATLAB 함수 블록 및 Simulink^®의 시스템 블록을 통해 머신 러닝 모델을 이용하여 사용자의 고충실도 시뮬레이션을 더욱 빠르게 검증하고 확인하십시오.

추가 정보

• 사용자의 머신 러닝 모델을 임베디드 장치에서 실행하기 위한 핵심 기법 (2:30)
• 코드 생성을 위한 모델 파라미터 업데이트

스케일링과 성능

tall형 배열을 이용하여, 코드를 거의 변경하지 않고도 기계의 메모리에 담기에는 너무 큰 데이터 세트에 대해 머신 러닝 모델을 학습시키십시오. 데스크톱, 클러스터 또는 클라우드에서 이루어지는 병렬 컴퓨팅을 이용하여 통계학적 계산과 모델 학습 속도를 높일 수도 있습니다.

추가 정보

• MATLAB Tall형 배열의 실사용 예 (4:13)
• 통계학적 계산의 속도를 높이는 방법 알아보기
• 병렬 컴퓨팅을 이용한 대규모 연산 수행