Tecniche di machine learning e signal processing per applicazioni basate su dati acquisiti da sensore

Un numero sempre maggiore di applicazioni richiede l'uso congiunto di tecniche di analisi del segnale e di machine learning per analizzare i dati raccolti dai sensori. MATLAB, fornendo in un unico ambiente integrato gli strumenti di analisi richiesti, permette un rapido sviluppo sia dei data analytics sia dei sistemi che processano i segnali catturati dai sensori.
Nel case study presentato vedremo un possibile workflow che dall'analisi del dato ci conduce alla generazione automatica di codice C/C++ di un algoritmo di classificazione sviluppato e testato in MATLAB. L'esempio implementa un sistema di classificazione in grado di identificare le attività fisiche che un essere umano compie, basandoci esclusivamente sul segnale generato dall'acceleromentro presente nello suo smartphone.
Utilizzeremo metodi tipici dell'analisi del segnale (quali ad esempio tecniche di filtraggio digitale e analisi nel dominio della frequenza) per estrarre le feature dal segnale grezzo, vedendo anche come sia possibile scalare l'elaborazione su grossi data set con il calcolo parallelo.
In modo interattivo esploreremo differenti algoritmi di classificazione (quali ad esempio un albero decisionale, una support vector machine e una rete
neurale) per poi generarne sia il codice MATLAB sia il codice C/C++ in automatico.