센서 데이터 애널리틱스를 위한 신호처리 및 머신러닝 기법

최근 들어 많은 응용분야에 있어서 센서데이터와 타임 시리즈에 대한 신호처리와 머신러닝 기법의 통합적인 적용에 대한 많은 요구가 생기게 되었습니다. 이에 본 세션에서는 MATLAB®을 이용하여 단일 환경하에서 전 범위를 커버할 수 있는 모델링 및 설계 기법들을 제공함으로써 데이터 애널리틱 및 센서 처리의 개발을 가속화 하는 방법에 대해서 소개합니다.

녹화된 날짜: 2016년 4월 28일

자세히 알아보기

슬라이드 보기
(백서) 센서 및 IoT 장치의 빅데이터에 MATLAB 활용하기
관련 정보
평가판 신청

피드백

다음::

Statistics and Machine Learning Toolbox™를 이용해 데이터에서 머신 러닝 알고리즘 적용 및 실제 구현에 이르기까지 전반적인 작업 과정에 대해 소개.

데이터 애널리틱스를 위한 머신 러닝 기법

관련 비디오:

이 세션에서는 MATLAB 의 새로운 제품인 Statistics and Machine Learning Toolbox 의 기능에 대한 소개와 함께, 앱 기반의 다양한 머신러닝 관련 기능들을 소개합니다. MATLAB의 사용자 인터페이스가 강화된 앱기반의 다양한 기능들은 사용자의 데이터 애널리틱 솔루션을 보다 쉽고 효과적으로 개발하도록 도와드립니다.

머신 러닝(기계학습)을 통한 MATLAB의 데이터 애널리틱 솔루션

빅 데이터 및 다양한 데이터 처리 위한 MATLAB의 인터페이스 환경 및 새로운 기능

다양한 데이터 분석 및 수학적 모델링 기법을 통한 빅데이터 애널리틱 솔루션 개발

MATLAB의 통계관련 제품들은 data를 단순화 및 fitting 작업을 하실 수 있는 방대한 라이브러리를 지원합니다. 본 세션은 모델의 선형 및 비선형 회귀분석을 하실 때에 있어서 localized regression과 boosted decision tree를 통한 모델링, 집단선택(feature selection), 수축(shrinkage)을 이용한 모델의 불필요한 변수를 줄이는 방법에 대해 소개해 드립니다. parametric fitt

MATLAB을 이용한 고급 데이터 fitting 기법

관련 비디오 더 보기