머신러닝을 위한 MATLAB

모델을 학습시키고 파라미터를 튜닝하며 프로덕션 또는 에지에 배포합니다.

엔지니어와 기타 영역 전문가들은 MATLAB®을 활용하여 수천 가지 머신 러닝 애플리케이션을 배포해 왔습니다. MATLAB을 이용하면 다음을 통해 머신 러닝의 어려운 부분이 용이해집니다.

  • 모델을 학습시키고 비교하기 위한 Point-and-Click 앱
  • 고급 신호 처리  및 특징 추출 기법
  • 모델 성능을 최적화하기 위한 자동 하이퍼파라미터 튜닝 및 특징 선택 
  • 동일한 코드를 사용하여  빅 데이터 및 클러스터로 연산을 확장할 수 있는 기능 
  • 임베디드 및 고성능 응용 프로그램을 위한 C/C++ 코드의 자동 생성 
  • 지도 학습 및 비지도 학습을 위한 널리 활용되는 분류, 회귀, 클러스터링 알고리즘
  • 대부분의 통계 및 머신 러닝 연산에서 오픈 소스보다 더욱 빠르게 실행

See How Others Use MATLAB for Machine Learning

Automotive

BMW

Detecting Oversteering with Machine Learning

Utilities and Energy

Baker Hughes

Predictive Maintenance for Gas and Oil Extraction Equipment Using Data Analytics and Machine Learning

Neuroscience

Battelle

Neural Bypass Technology Restores Movement to a Paralyzed Man’s Arm and Hand

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.

자동 머신 러닝(AutoML)

학습 데이터에서 자동으로 특징을 생성하고, 베이지안 최적화 등 하이퍼파라미터 튜닝 기법을 이용하여 모델을 최적화하십시오. 신호나 이미지 데이터에 대한 웨이블릿 스캐터링과 같은 특수한 특징 추출 기법, NCA(Neighborhood Component Analysis) 또는 순차적 특징 선택과 같은 특징 선택 기법을 활용하십시오.

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.

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.

관련 주제

딥러닝

컨벌루션 뉴럴 네트워크를 설계, 빌드, 시각화합니다.

데이터 과학

데이터에서 인사이트를 얻어서 설계와 의사결정을 개선합니다.

예측 정비

상태 모니터링 및 예측 정비 소프트웨어를 개발하고 배포합니다.

즉시 시작하기

머신 러닝 Onramp

분류 문제를 위한 실용적인 머신 러닝 방법을 대화형 방식으로 소개합니다.

시작하기 자료 살펴보기

데모 및 대화형 예제를 살펴보고, 무료 튜토리얼을 실행하십시오.

무료 평가판 받기

30일 동안 사용 가능

통계학 및 머신 러닝 툴 박스 살펴보기