Techniques de traitement du signal pour le Machine Learning et le Deep Learning

Présentation

Le Machine Learning et le Deep Learning sont des outils puissants pour la résolution de problèmes complexes, et sont applicables dans de nombreuses industries et applications telles que la maintenance prédictive, le suivi médical d’un patient ou encore le véhicule autonome.

Cependant, le développement de modèles prédictifs sur des signaux issus de capteurs n’est pas une tâche aisée et nécessite, au préalable, l’utilisation d’algorithmes de traitement du signal. De plus, le besoin grandissant pour des capteurs plus intelligents requiert l’élaboration d’algorithmes compatibles avec un déploiement sur un dispositif embarqué ou sur le cloud.

Dans ce webinar, vous découvrirez, à l’aide d’exemples concrets, comment MATLAB peut vous aider à répondre à ces défis. Nous explorerons ensemble :

• Quelques techniques courantes de traitement du signal pour l’extraction de caractéristiques pertinentes
• Le développement d’algorithmes prédictifs basés sur ces caractéristiques à l’aide du Deep Learning
• L’utilisation de ressources de calcul haute-performance (machines multicœurs, GPU, …) nécessaires au déploiement du système en production