MATLAB을 사용한 머신러닝

모델을 훈련시키고 파라미터를 조정하며 생산 시스템 또는 에지 기기에 배포할 수 있습니다.

엔지니어와 기타 분야별 전문가들은 MATLAB®을 사용하여 수천 가지 머신러닝 응용 프로그램을 배포해 왔습니다. MATLAB은 다음과 같은 기능을 제공해 머신러닝의 힘든 부분을 쉽게 만들어 줍니다.

  • 모델의 훈련 및 비교를 위한 포인트 앤 클릭 앱
  • 고급 신호 처리 및 특징 추출 기법
  • 특징 선택, 모델 선택 및 하이퍼파라미터 조정을 포함한 AutoML (자동 머신러닝)
  • 빅데이터 및 클러스터로 처리를 확장할 수 있게 동일한 코드 사용 가능
  • 임베디드 및 고성능 응용 사례를 위한 C/C++ 코드의 자동 생성
  • 임베디드 기기로의 배포나 시뮬레이션을 위해 네이티브 또는 MATLAB Function 블록으로 Simulink와의 통합
  • 지도 학습 및 비지도 학습에 널리 사용되는 모든 분류, 회귀 및 군집화 알고리즘
  • 대부분의 통계 및 머신러닝 연산에서 오픈 소스보다 더욱 신속한 실행

MATLAB을 사용한 머신러닝 활용 사례

Panel Navigation

자동차

PathPartner

PathPartner의 레이다 기반 자동차 응용 사례에 대한 머신러닝 알고리즘 개발 사례

Panel Navigation

에너지 생산 및 IA&M

RWE Renewables, Hydro Quebec, IMCORP

머신러닝과 인공 지능을 활용한 유틸리티 자산 상태 모니터링 및 예측 정비

Panel Navigation

의료 기기 및 CES

Kinesis Health Technologies

관성 센서와 머신러닝을 활용한 노인 낙상 위험 평가

대화형 방식의 앱과 알고리즘

최대 3개 계층을 갖는 "얕은" 신경망 및 기타 머신러닝 모델을 포함하여 가장 널리 사용되는 다양한 분류, 군집 및 회귀 알고리즘 중에서 선택할 수 있습니다. 분류 및 회귀 앱을 사용하여 모델을 대화형 방식으로 훈련, 비교, 조정하고, 추가적인 분석, 통합 및 배포를 위해 모델을 내보낼 수 있습니다. 직접 코드 작성하는 것을 더 선호하는 경우, 특징 선택 및 파라미터 조정을 통해 모델을 더욱 최적화할 수 있습니다.

분류 학습기 앱

모델 해석 가능성

부분 종속성 플롯, LIME, 섀플리 값, GAM(일반화 가법 모델) 같은 기존의 해석 가능성 방법을 적용하여 머신러닝의 블랙박스적인 속성을 극복할 수 있습니다. 모델이 예측에 대한 올바른 증거를 사용하는지 검증하고 훈련 중에는 명확하지 않았던 모델의 편향을 찾을 수 있습니다.

모델 해석 가능성

AutoML (자동 머신러닝)

훈련 데이터에서 자동으로 특징을 생성하고, 베이즈 최적화 등의 하이퍼파라미터 조정 기법을 사용하여 모델을 최적화할 수 있습니다. 신호나 영상 데이터에 대해 웨이블릿 스캐터링과 같은 특화된 특징 추출 기법, NCA(이웃 성분 분석), MRMR(최소 잉여도-최대 연관성) 또는 순차적 특징 선택과 같은 특징 선택 기법을 사용할 수 있습니다.

코드 생성 및 Simulink 통합

임베디드 시스템에 통계 및 머신러닝 모델을 배포하고, 전처리와 후처리 단계를 포함한 전체 머신러닝 알고리즘에 대한 가독성 좋은 C 또는 C++ 코드를 생성할 수 있습니다. MATLAB Function 블록 및 Simulink®의 네이티브 블록을 통해 머신러닝 모델을 사용하여 고충실도 시뮬레이션의 검증과 확인을 가속화할 수 있습니다.

확장 및 성능

최소의 코드 변경만으로 tall형 배열을 사용하여 메모리에 담을 수 없이 큰 데이터셋에 머신러닝 모델을 훈련시킬 수 있습니다. 데스크탑, 클러스터 또는 클라우드에서 병렬 연산으로 통계 연산과 모델 훈련의 속도를 가속화할 수도 있습니다.

tall형 배열

관련 주제

Panel Navigation

딥러닝

컨벌루션 신경망을 설계, 구축 및 시각화합니다.

Panel Navigation

데이터 과학

데이터 주도적 이해를 통해 설계 및 의사결정을 개선합니다.

Panel Navigation

예측 정비

상태 모니터링 및 예측 정비 소프트웨어를 개발하고 배포합니다.

바로 시작해 보십시오

대화형 방식

대화형 방식 예제

브라우저에서 예제를 실행하여 실제 MATLAB 동작을 볼 수 있습니다.

Machine Learning Onramp

Machine Learning Onramp

분류 문제에 대한 실용적 머신러닝 방법을 대화형 방식으로 소개합니다.

시작하기 자료

시작하기 자료 살펴보기

시연 및 대화형 방식의 예제를 살펴보고, 무료 튜토리얼을 실행할 수 있습니다.

30일 무료 평가판

시작하기
eBook

Statistics and Machine Learning Toolbox

통계 및 머신러닝을 사용한 데이터 분석 및 모델링